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を紹介する。Point-LNは、最遠点サンプリング(FPS)、k-最近傍(k-NN)、非学習型位置エンコーディングといったノンパラメトリックな必須コンポーネントと、最小限のパラメータフットプリントを維持しながら分類精度を大幅に向上させる合理的な学習型分類器を統合しています。このハイブリッド・アーキテクチャにより、低い計算コストと高速な推論速度が保証されるため、Point-LNはリアルタイムかつ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を含むベンチマーク・データセットでの包括的な評価により、Point-LNが卓越した効率性を提供しながら、最先端の手法と比較して遜色のない性能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でスケーラブルなソリューションであることを立証し、様々なコンピュータビジョンアプリケーションに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, DeepL