Point-LN: A Lightweight Framework for Efficient Point Cloud Classification Using Non-Parametric Positional Encoding

要約

効率的な 3D 点群分類のために設計された新しい軽量フレームワークである Point-LN を紹介します。
Point-LN は、最遠点サンプリング (FPS)、k 近傍法 (k-NN)、学習不可能な位置エンコーディングなどの重要なノンパラメトリック コンポーネントを、最小限の精度を維持しながら分類精度を大幅に向上させる合理化された学習可能な分類器と統合します。
パラメータのフットプリント。
このハイブリッド アーキテクチャにより、低い計算コストと迅速な推論速度が保証され、Point-LN はリアルタイムおよびリソースに制約のあるアプリケーションに最適です。
ModelNet40 や ScanObjectNN などのベンチマーク データセットの包括的な評価により、Point-LN が最先端の手法と比較して優れた効率を実現しながら、優れたパフォーマンスを達成していることが実証されています。
これらの結果は、Point-LN が多様な点群分類タスクに対する堅牢かつスケーラブルなソリューションであることを確立し、さまざまなコンピューター ビジョン アプリケーションで広く採用される可能性を強調しています。

要約(オリジナル)

We introduce Point-LN, a novel lightweight framework engineered for efficient 3D point cloud classification. Point-LN integrates essential non-parametric components-such as Farthest Point Sampling (FPS), k-Nearest Neighbors (k-NN), and non-learnable positional encoding-with a streamlined learnable classifier that significantly enhances classification accuracy while maintaining a minimal parameter footprint. This hybrid architecture ensures low computational costs and rapid inference speeds, making Point-LN ideal for real-time and resource-constrained applications. Comprehensive evaluations on benchmark datasets, including ModelNet40 and ScanObjectNN, demonstrate that Point-LN achieves competitive performance compared to state-of-the-art methods, all while offering exceptional efficiency. These results establish Point-LN as a robust and scalable solution for diverse point cloud classification tasks, highlighting its potential for widespread adoption in various computer vision applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google