科研之友
微信
新浪微博
Facebook
分享链接
摘要
三角形网格是一种重要的几何数据结构，能有效地表达三维模型的形状细节，但三角形网格面元素的分布并不规则，因此将现有的深度神经网络直接应用到网格上较为困难。针对三角形网格不规则的结构问题，直接将网格的面作为Token，提出一种将Transformer应用于三角形网格的深度神经网络。首先，将面的重心坐标或谱域特征作为位置信息，融合其内蕴特征作为输入特征，并对输入特征位置嵌入；其次，利用自注意力模块提取全局特征，利用面卷积模块提取局部特征，以增强网络局部特征的提取能力；最后，融合局部特征和全局特征构建应用于三角形网格上的分类和分割深度神经网络。在SHREC分类数据集和COSEG分割数据集上的实验结果表明，该方法准确率较高且可以有效地提升训练速度。
- 单位
