Torres_9_cfc-CSDN博客

原创 Point Stack：Advanced Feature Learning on Point Clouds using Multi-reso使用多分辨率特征和可学习池在点云上进行高级特征学习阅读笔记

最近的点云特征学习网络在执行下游任务时经常使用源自最深层的聚合点特征。聚合点特征可能包含高语义信息，但由于采样操作和最大池，分别会损失有关粒度和非最大点特征的信息。在这项工作中，我们提出了一种新的基于MLP的特征学习网络PointStack，其中任务特定头通过广义池函数learnable pooling（LP）获得聚合多分辨率点特征的输入。因此，聚合的点特征可以有效地表示全局和局部上下文，并使网络头能够很好地理解点云中对象的全局结构和局部形状细节。根据经验，我们观察到，在形状分类和零件分割任务中，点堆栈优于

2022-07-08 17:54:15 1116

原创重振pointnet++雄风！PointNeXt: Revisiting PointNet++ with ImprovedTraining and Scaling Strategies

在本文中，我们证明了通过改进训练和缩放策略，可以提高PointNet++的性能，使其超过当前的技术水平。更具体地说，我们量化了目前广泛使用的每种数据增强和优化技术的效果，并提出了一套改进的训练策略。这些策略可以很容易地应用于提高PointNet++和其他代表性作品的性能。我们还将反向剩余MLP块引入PointNet++以开发PointNeXt。我们证明了PointNeXt在保持高吞吐量的同时，在各种基准上比PointNet++具有更高的性能和可扩展性。这项工作旨在引导研究人员更加关注培训和缩放策略的效果，并

2022-06-19 15:20:12 2520 3

Torres9_1125的博客

原创 Point Stack：Advanced Feature Learning on Point Clouds using Multi-reso使用多分辨率特征和可学习池在点云上进行高级特征学习阅读笔记

原创重振pointnet++雄风！PointNeXt: Revisiting PointNet++ with ImprovedTraining and Scaling Strategies

原创 Point Transformer 翻译笔记

原创 Point Transformer 论文笔记

原创 Point Transformer论文阅读笔记

原创一文读懂 Self-Attention机制

空空如也

1111111111111111111111111111

原创 Point Stack：Advanced Feature Learning on Point Clouds using Multi-reso使用多分辨率特征和可学习池在点云上进行高级特征学习 阅读笔记

原创 重振pointnet++雄风！PointNeXt: Revisiting PointNet++ with ImprovedTraining and Scaling Strategies

原创 Point Transformer 翻译笔记

原创 Point Transformer 论文笔记

原创 Point Transformer论文阅读笔记

原创 一文读懂 Self-Attention机制

空空如也

1111111111111111111111111111

原创 Point Stack：Advanced Feature Learning on Point Clouds using Multi-reso使用多分辨率特征和可学习池在点云上进行高级特征学习阅读笔记

原创重振pointnet++雄风！PointNeXt: Revisiting PointNet++ with ImprovedTraining and Scaling Strategies

原创一文读懂 Self-Attention机制