摘要
针对点云深度学习模型中解码器特征上采样存在的空间与特征结构损失的问题,提出一种基于注意力机制的特征插值上采样解码器方法.该解码器主要由空间注意力与特征注意力插值特征上采样组成.首先,根据点的空间位置特征之间的注意力关系,通过空间注意力插值计算上采样点的空间插值特征,然后利用空间插值特征与下采样点之间的特征注意力关系计算特征插值,最终将插值特征与编码特征跳跃连接,并进行特征混合后输出解码特征.在实验中,将本文提出的解码器嵌入到多种点云深度学习模型中,并在ShapeNet与ModelNet两种数据集上验证解码器的有效性.试验结果表明,与传统的三点线性插值模型相比,本文提出的方法在零件分割任务中平均重叠度提高0.5%,法向量估计任务中平均余弦距离误差降低13%,这充分验证了解码器的有效性.
-
单位山西财经大学