边向量注意力网格Transformer

轻量级网格骨干网络

一种利用边向量注意力的网格Transformer，在形状分类与分割上达到最优性能。

Pengwei, Zhou · Xiao, Dong · 曹娟 · 陈中贵

Visual Computer 2023

技术优势

边注意力的网格Transformer

使用基于边的向量注意力，支持对特征向量和各个特征通道的自适应调制。

轻量化的骨干架构

网络采用编码器-解码器设计，参数量小，可作为通用骨干用于后续任务。

多任务上达到SOTA

在形状分类和形状分割两个经典任务、多个数据集上刷新最优。

应用场景

• 3D形状分析：直接集成MeT作为骨干，免去自研网格特征提取网络。
• 机器人视觉：机器人场景中网格数据可直接送入MeT，无需手工特征工程。
• CAD建模：CAD模型的网格表示可直接用MeT提取特征，提升设计自动化效率。