摘要

在深度点云理解领域，KPConv是一种独特的架构，它通过核点（kernel points）在空间中定位卷积权重，而不是依赖多层感知器（MLP）编码。尽管最初取得了成功，但近年来已被采用更新设计和训练策略的MLP网络超越。基于核点原理，我们提出了两种新颖的设计：KPConvD（深度KPConv），一种更轻量的设计，使得使用更深的架构成为可能；以及KPConvX，一种创新设计，通过核注意力值对KPConvD的深度卷积权重进行缩放。利用现代架构和训练策略结合KPConvX，我们在ScanObjectNN、Scannetv2和S3DIS数据集上超越了当前最先进的方法。我们通过消融研究验证了我们的设计选择，并发布了代码和模型。