基于密集连接几何共享神经网络的点云处理模型

来源：计算机应用与软件杂志2025年第12期北京时间：

作者：邴晓环, 邱云飞, 朱梦影

摘要：多层卷积神经网络在处理点云数据时存在梯度消失的情况，难以同时获取点云几何形状的全局和局部特征，为了解决上述问题并获取足够的上下文语义信息，提出一种基于密集连接的几何共享神经网络。在相似性连接模块（Geometric similarity connection，GSC）的多层感知器中，每一层都将先前所有层的输出作为输入，而其自身的特征图则用作所有后续层的输入，进而有效地学习密集的上下文表示，捕获局部和整体几何特征。实验结果表明，该算法能够有效反复聚合点云中具有相似和相关的几何信息以及多尺度语义，与已有的点云形状分类和目标分割算法相比，能更有效地融合点云局部结构特征，进一步提高点云分类与分割的准确率。

关键词：几何共享网络, 相似性连接, 多层感知器, 密集上下文表示