計算機視覺最新進展概覽2021年10月18日到2021年10月23日

在各種移動裝置中嵌入的雷射雷達傳感器已經廣泛促進了對3D點雲表示的通路。 這導緻了對快速和準确的點雲處理技術的需求。 在本文中，我們将重新通路并更深入地研究PointNet++，這是最有影響力但尚未開發的網絡之一，并開發更快、更準确的模型變體。 我們首先提出了一個新的可分離集抽象(SA)子產品，該子產品将PointNet++中使用的普通SA子產品分解為兩個獨立的學習階段:(1)學習通道相關和(2)學習空間相關。 可分離SA子產品比普通版本快得多，但它實作了相當的性能。 然後我們将一個新的各向異性約簡函數引入到我們的可分離SA子產品中，并提出了一個各向異性可分離SA (ASSA)子產品，該子產品大大提高了網絡的精度。 随後，我們用提出的ASSA子產品替換PointNet++中的普通SA子產品，并将修改後的網絡表示為ASSANet。 在點雲分類、語義分割、部分分割等方面的大量實驗表明，ASSANet優于PointNet++等方法，實作了更高的準确率和更快的速度。 特别是，在S3DIS Area 5上，ASSANet比PointNet++高出7.4 mIoU，而在單個NVIDIA 2080Ti GPU上保持了1.6倍的推斷速度。 我們縮放後的ASSANet變型達到66.8 mIoU，性能優于KPConv，同時速度超過54倍。