PointNorm: Dual Normalization is All You Need for Point Cloud Analysis

要約

点群データ構造が不規則であるため、点群解析は困難です。
既存の作品は通常、PointNet++ のアドホック サンプリング グループ化操作を採用し、その後に点群の 3D ジオメトリを活用するための高度なローカルおよび/またはグローバル フィーチャ エクストラクタが続きます。
残念ながら、サンプリング グループ化操作は点群の不規則性に対処しませんが、複雑なローカルおよび/またはグローバルな特徴抽出器は計算効率の低下につながりました。
このホワイトペーパーでは、サンプリンググループ化操作の後に新しいDualNormモジュールを導入して、不規則性の問題に効果的かつ効率的に対処します。
DualNorm モジュールは、グループ化されたポイントをサンプル ポイントに正規化するポイント正規化と、サンプル ポイントをグループ化されたポイントに正規化するリバース ポイント正規化で構成されます。
提案されたフレームワークである PointNorm は、ローカル平均とグローバル標準偏差を利用して、忠実な推論速度を維持しながら、ローカルとグローバルの両方の機能から恩恵を受けます。
実験では、ModelNet40 分類、ScanObjectNN 分類、ShapeNetPart パーツ セグメンテーション、および S3DIS セマンティック セグメンテーションで優れた精度と効率を達成したことが示されています。
コードは https://github.com/ShenZheng2000/PointNorm-for-Point-Cloud-Analysis で入手できます。

要約(オリジナル)

Point cloud analysis is challenging due to the irregularity of the point cloud data structure. Existing works typically employ the ad-hoc sampling-grouping operation of PointNet++, followed by sophisticated local and/or global feature extractors for leveraging the 3D geometry of the point cloud. Unfortunately, the sampling-grouping operations do not address the point cloud’s irregularity, whereas the intricate local and/or global feature extractors led to poor computational efficiency. In this paper, we introduce a novel DualNorm module after the sampling-grouping operation to effectively and efficiently address the irregularity issue. The DualNorm module consists of Point Normalization, which normalizes the grouped points to the sampled points, and Reverse Point Normalization, which normalizes the sampled points to the grouped points. The proposed framework, PointNorm, utilizes local mean and global standard deviation to benefit from both local and global features while maintaining a faithful inference speed. Experiments show that we achieved excellent accuracy and efficiency on ModelNet40 classification, ScanObjectNN classification, ShapeNetPart Part Segmentation, and S3DIS Semantic Segmentation. Code is available at https://github.com/ShenZheng2000/PointNorm-for-Point-Cloud-Analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google