Point Cloud Transformer

Point Cloud Transformer

由于点云的不规则性和无序性，我们不能直接使用卷积来进行处理点云。与此同时，注意力机制是一种排序不变、不依赖点连接算子，十分适合点云的操作。

点云的整体架构

点云整体架构由输入嵌入部分——>注意力层——>分割分类构成。其设计主要参考了PointNet和Transformer的设计理念。

输入嵌入部分

输入嵌入部分主要由两种形式构成：

• 点嵌入（只考虑单点嵌入，使用共享的神经网络，将点云映射到高维空间）
• 领域嵌入（不只是考虑单点情况，还是用KNN算法得到领域信息，进而通过领域嵌入方式将点云映射到高维空间）

该层的目的在于把点云映射到高维空间。如上图，则是映射为128维度。是否可以使用其他方法 改进 KNN

注意力层

PCT注意力层使用了两种模型：

• “传统”的self-attention
• offset-attention（结合上述的self-attention和图中卷积的拉普拉斯算子）

如图，输入嵌入进行升维成为128维度，进行线性变换分别生成self-attention中的Q、K、V 矩阵。为了保存维度一致，对K进行转置。进行Softmax标准化（方便求解梯度），得到Attention Map（也就是下图中的五角星）。点乘生成V矩阵得到Attenion Feature。运用offset-attention生成LBR。

分类分割头部

参考PointNet设计：

• 分类
  • 使用上述获得Attention Feature，进行Pooling（一般情况还是使用Max Pooling）得到全局特征，进行全连接和Dropout(防止过拟合),输出分类结果。
• 分割
  • Attention Feature（如何得到局部特征）得到局部特征，结合分类得到的全局特征。拼接局部特征和全局特征，进行全连接和Dropout特征。

PCT分类

论文中把PCT分成了三类：

• NPCT
• SPCT
• PCT

PCT使用的三种数据库

• 分类：ModelNet40
• 分割：ShapeNet
• 语义分割： S3DIS

论文精读

1. 点云和NLP领域上不太相关，PCT主要做出了以下的修改：

   1. 基于坐标的输入嵌入模块 —— 解决点云的无序性

   2. 优化 offer-attention 模块 —— 优化之前Transformer的self-attention层，使用offset。把点云看作图、把浮点数矩阵。看作attention map

      作用：

      1. 相对坐标更为可靠
      2. 图卷积学习中，Laplacian 矩阵更为有效

   3. 邻近嵌入模块 —— 加强局部的效果，而不只是考虑单点无关联情况

2. 相关工作

   1. Transformer in NLP —— NLP 使用广泛，但是其处理的为位置相关，语义有序的情况
   2. Transformer in images —— ViT 中局部补丁和基本语义信息，提出 邻近嵌入模块 ——可以捕获局部信息并获取语义信息。
   3. Point-based deep learning —— pointnet点云提出后，处理方式层出不穷。比如：拓展、限制算子，体素化处理（把点云变成有序的，从而进行卷积操作），使用attention。本文提出Transformer而不是使用self-attention作为辅助。

3. PCT的表示：

   1. PCT
      1. 对input进行升维操作（更好描述语义关联），除了去除position embedding这一步骤，其他的都与Transformer理念相同。
      2. 输入——>4次 attention层操作 ——>拼接全部的attention层——>使用MP-AP得到全局特征
      3. 分类
         • MP-AP——> LBRD——>LBRD(D:dropout(防止过拟合))——> Linear
      4. 分割
         • 使用one-hot解码到64维度，运用LBRD——>LBR——>Linear(Normal estimate)
   2. NPCT
      1. 把点云当作整个句子，把点看作句子中的一个单词。结合self-attention。
      2. self-attention Q、K、V 模型，最后进行标准化。——>解决点云无序、不规则问题。采用SS
   3. Offset-Attention
      1. 使用 offset-attention代替 self-attention（加入了Laplacian运算）
      2. 先进行softmax之后进行l1-norm（传统的是先进行规范化，之后进行softmax）
   4. 增强局部特征表示的邻近嵌入
      1. 之前点云的操作考虑了全局变量，但是没有考虑到局部变量
      2. 其主要包含两大块——>两个LBR层和两个SG(Sampling and Grouping)。其中LBR是标配，SG是扩大特征提取的感受野。SG主要使用欧氏距离的knn
      3. SG
         1. 使用 the farthest point sampling (FPS) to downsample 。（FPS何方神圣，可以改进？）
            FPS博客详细介绍
         2. 使用 knn

后续补充

参考

Jittor官方解读PCT

Jittor官方实现

PCT论文地址