2023-09-11
近日，山西大学智能信息处理研究所团队利用图结构学习网络实现高精度点云计算，相关成果发表于《ieee模式分析与机器智能汇刊》。研究成果提供了一个崭新视角，克服了构图与特征学习过程独立的问题，进一步提高了不同下游任务的性能，如点云分类与分割。
点云数据作为一种重要的3d数据，广泛应用于自动驾驶、三维理解和机器人等领域。如何有效提取点云特征并实现高性能点云分析任务是点云深度学习中的研究难题。图神经网络是处理并分析不规则数据的有效方法，近年来基于图的点云分析方法受到较多关注。然而，大多数方法都着眼于如何设计图卷积算子而忽略了图结构对模型性能提升的影响。由于构图过程往往独立于网络学习，因此无法保证模型构建的图结构对于不同下游任务是最优的，导致模型精度受到限制。
针对上述问题，该研究提出了一种通用的图结构学习网络，端到端地实现点云上图结构的构建与特征学习，通过图结构学习方法构建了点云上的远程依赖图与短程依赖图，充分利用已知的标签数据和先验知识，以学习最优的图结构，从而更好服务于后续局部特征与全局上下文信息的提取。
相关链接：