任务驱动的轻量Transformer点云下采样方法

来源：计算机工程与应用杂志2023年第21期北京时间：

作者：杨亚坤, 王安红, 冯泽文

单位：太原科技大学 电子信息工程学院，太原 030024

摘要：点云是一种重要的三维数据格式，能直观地描绘真实世界，然而点云的巨大数据量限制了其更加广泛的应用。为了简化点云并提高下游应用效率，提出了一种基于轻量级Transformer的任务驱动点云下采样方法。该网络包括特征提取模块和软采样模块，在特征提取模块中采用最先进的Transformer模型学习点云特征，考虑到计算和存储资源有限，将其设计为轻量化结构；在软采样模块中利用MLP和Gumbel-Softmax来模拟实际采样过程，得到下采样点云。为使采样点云适合后续应用任务，构造了一个包含任务损失、采样损失和约束损失的联合损失函数用于网络端到端训练。此外，为简化训练并方便实际应用，在基于轻量化Transformer的任务驱动点云下采样网络的基础上，还提出了多倍率下采样方法，它采用渐进式结构，结合多组采样损失，实现一个模型得到多个采样率下的点云。通过在ModelNet40和ShapeNetCore55数据集上进行点云分类任务和重建任务实验表明，所提方法在简化点云数量的同时，分类精度和重建精度得到良好保证，尤其是下采样点数较少时，相比于同类算法，任务性能更高。

关键词：三维点云,下采样,任务驱动,多倍率,Transformer