参考笔记:https://blog.csdn.net/qazwsxrx/article/details/132187461
CVPR 2023:Attention-Based Point Cloud Edge Sampling
论文:https://arxiv.org/abs/2302.14673
源码:https://github.com/JunweiZheng93/APES
这篇文章的 N2P Attention特征提取层、结合残差连接和交叉注意力机制的上采样层 我感觉设计的不错,可以看一下源码实现
目录
8.1 Embedding、N2P Attention、DownSample、UpSample
1. 背景
点云数据量通常很大,对其进行下采样以获得一个具有代表性的点子集是3D计算机视觉中的一个基础和重要的任务
点云采样方法可以分为基于数学统计的传统方法和基于深度学习的方法,如下:
① 传统采样方法
-
随机采样 RS:简单高效,但无法控制采样点的数据分布,比较随机
-
最远点采样 FPS:迭代选择点云中最远点,这是当前点云模型中使用最广泛的
-
均匀采样:选择点云中均匀分布的点
订阅专栏 解锁全文
352



被折叠的 条评论
为什么被折叠?



