点击上方“3D视觉工坊”，选择“星标”
干货第一时间送达
作者丨paopaoslam
来源丨 泡泡机器人SLAM
标题：PCT: Point cloud transformer
作者：Meng-Hao Guo, Jun-Xiong Cai, Zheng-Ning Liu, Tai-Jiang Mu, Ralph R. Martin, and Shi-Min Hu
来源：CVM 2021
编译：林逸泰
审阅：王志勇
摘要
不规则与无序性使得设计处理点云的神经网络非常具有挑战性。本文提出了一种新的点云学习框架PCT(Point Cloud Transformer)。Transformer在自然语言处理方面取得了巨大的成功，在图像处理方面显示出巨大的潜力。它在处理点序列时具有固有的置换不变性，非常适合点云学习。为了更好地捕获点云中的局部上下文，我们利用最远点采样和最近邻搜索来增强输入的嵌入(input embedding)。大量实验表明，PCT在形状分类、部分分割、语义分割和法向量估计任务方面达到了最好的性能。
主要贡献
-
我们提出了一种新的基于Transformer的点云学习框架PCT，该框架非常适合于非结构化、无序的不规则点云数据。
-
我们提出了使用隐式拉普拉斯算子和归一化函数的offset-attention模块，与Transformer中的原始自注意模块相比，该函数具有固有的置换不变性，更适合点云学习。
-
大量的实验表明，带有显式局部上下文增强的PCT在形状分类、部分分割和法向估计任务上取得了最好的性能。
主要方法
PCT结构
图中展示了分类和语义分割两个分支。编码器主要包括一个输入嵌入模块和四个堆叠的注意模块。解码器主要由多个线性层组成。每个模块上面的数字表示其输出通道。MA-Pool连接Max-Pool和Average-Pool。LBR结合了线性层、BatchNorm层和ReLU层。LBRD的意思是LBR后面跟着一个Dropout层。
Offset-Attention结构
张量上面的数字是维度N和特征通道D的数量，switch表示了Self-Attention或Offset-Attention，其中虚线为Self-Attention分支。它们最大的区别在最后的线性层的输入是Attention的计算结果还是Attention的计算结果减去输入。
Neighbor embedding结构
这个结构包含了两个LBR层和两个SG(采样和聚类)层。左：Neighbor embedding结构。中间：SG模块，有N个输入点，d个输入通道，k个邻居，N个输出采样点，d个输出通道。右上：采样(彩色球代表采样点)。右下：k-NN邻居分组。LBR上面的数量：输出通道的数量。SG以上个数：采样点个数及其输出通道个数。
实验结果
ModelNet40上的分类
ModelNet40上的法向估计
ShapeNet上的部分分割
S3DIS上Area5的语义分割
Abstract
The irregular domain and lack of ordering make it challenging to design deep neural networks for point cloud processing. This paper presents a novel framework named Point Cloud Transformer (PCT) for point cloud learning. PCT is based on Transformer, which achieves huge success in natural language processing and displays great potential in image processing. It is inherently permutation invariant for processing a sequence of points, making it well-suited for point cloud learning. To better capture local context within the point cloud, we enhance input embedding with the support of farthest point sampling and nearest neighbor search. Extensive experiments demonstrate that the PCT achieves the state-of-the-art performance on shape classification, part segmentation, semantic segmentation, and normal estimation tasks.
本文仅做学术分享，如有侵权，请联系删文。
3D视觉精品课程推荐：
1.面向自动驾驶领域的多传感器数据融合技术
2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码) 3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进 4.国内首个面向工业级实战的点云处理课程 5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解 6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦 7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化 8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)
9.从零搭建一套结构光3D重建系统[理论+源码+实践]
10.单目深度估计方法：算法梳理与代码实现
11.自动驾驶中的深度学习模型部署实战
12.相机模型与标定(单目+双目+鱼眼）
13.重磅！四旋翼飞行器：算法与实战
14.ROS2从入门到精通：理论与实战
重磅！3DCVer-学术论文写作投稿 交流群已成立
扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。
同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。
一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。
▲长按加微信群或投稿
▲长按关注公众号
3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：
学习3D视觉核心技术，扫描查看介绍，3天内无条件退款
圈里有高质量教程资料、答疑解惑、助你高效解决问题
觉得有用，麻烦给个赞和在看~
