Attention-based Point Cloud Edge Sampling

要約

点群サンプリングは、このデータ表現の研究テーマとしてはあまり調査されていません。
現在最も一般的なサンプリング方法は、依然として古典的なランダム サンプリングと最遠点サンプリングです。
ニューラルネットワークの発展に伴い、タスクベースの学習方法で点群をサンプリングするためのさまざまな方法が提案されています。
ただし、これらの方法は、数学的統計を使用してポイントを直接選択する以外は、ほとんど生成ベースです。
画像の Canny エッジ検出アルゴリズムに着想を得て、アテンション メカニズムの助けを借りて、このペーパーでは、入力ポイント クラウドのアウトラインをキャプチャできる、非生成的なアテンション ベースのポイント クラウド エッジ サンプリング法 (APES) を提案します。
実験結果は、学習した重要なアウトライン情報により、サンプリング方法でより良いパフォーマンスが達成されることを示しています。

要約(オリジナル)

Point cloud sampling is a less explored research topic for this data representation. The most common sampling methods nowadays are still classical random sampling and farthest point sampling. With the development of neural networks, various methods have been proposed to sample point clouds in a task-based learning manner. However, these methods are mostly generative-based, other than selecting points directly with mathematical statistics. Inspired by the Canny edge detection algorithm for images and with the help of the attention mechanism, this paper proposes a non-generative Attention-based Point cloud Edge Sampling method (APES), which can capture the outline of input point clouds. Experimental results show that better performances are achieved with our sampling method due to the important outline information it learned.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google