81 / 2022-09-30 23:33:08

C2SPoint：基于分类网络的3D点云显著性检测

点云显著性检测是计算机视觉领域的重要研究方向。传统的点云显著性检测方法严重依赖于人工设计的几何特征，在不同数据集上泛化性较差。为此，本文提出了一个蕴含显著性信息的分类网络模型C2SPoint，用于提高点云显著性检测精度。该网络基于PointNet++架构，增加了多尺度自适应模糊聚类模块和显著性转换模块。训练网络时，通过显著性转换模块将显著性信息注入全连接层，实现从分类向显著性的迁移学习。本文首先利用多尺度自适应模糊聚类模块构造点-簇相似性矩阵，随后通过显著性转换模块提取簇显著性，最后利用点-簇相似性矩阵将簇显著性传播至各个点得到点显著性。在基准数据集上的实验结果表明，所提方法有效提高了显著性计算的准确性（SchellingData的AUC为0.693，NSS为0.847）。