「GAPNet:点群の局所特徴を活用するためのグラフアテンションベースポイントニューラルネットワーク "
調査質問 | 優れた局所特徴点群を抽出する方法 |
主なアイデア |
|
ソリューション | self_attetionの実装: 高次元空間への最初のMLPを各特徴点をマッピングすることによって、各点の加重和のチャネル特性点は、さらにグローバル機能を得るために のatteionを達成隣接: DGCNN同様に、各局所重みのために局所特徴点が得られるように、k最近傍グラフを対応する中心点、次いでさらにk最近傍グラフベースの特徴抽出として構築オリジナルポイントクラウドの各ポイントをさせるために及び 注意グラフ: 自己attetionすることにより、我々は右の各重量の中心点に到達することができ、我々は右の各エッジ特徴重いの中心点を中心に注目を隣接介して取得することができ、最終的に我々は統合の情報やポイントの情報側に基づいてattetionの重みで行う必要があり、得られた最終の合計のさらなる特徴 マルチヘッドの注意: 豊かな幾何学的な情報を得るために、グラフ注意上記のプロセスを繰り返してパラレル。
|