多尺度超补丁Transformer

训练快数百倍

针对大规模点云语义分割提出的一种高效Transformer网络，通过多尺度超补丁局部聚合和超补丁自注意力机制，有效学习局部与全局特征，在大幅减少训练时间的同时保持优异性能。

缪永伟 · Yuliang, Sun · Wang, Jinrong · Xudong, Zhang

Scientific Reports 2024

技术优势

训练快数百倍

多尺度超补丁局部聚合与超补丁Transformer的结合，使网络能高效学习局部和全局特征，训练时间比其他分割网络快数十至数百倍。

重复结构更高效

在包含大量重复结构的室内场景中表现尤为突出，特别是在S3DIS数据集上验证了对大规模点云场景的分割效率。

兼顾局部与全局

通过多尺度超补丁局部聚合模块和超补丁Transformer模块，能够有效学习输入点云的局部特征与全局上下文信息。

应用场景

• 点云语义分割：高效分割大规模点云场景，尤其适合室内重复结构环境。
• 三维环境感知：快速训练模型以感知和理解周围三维环境。
• 自动驾驶感知：加速自动驾驶场景中点云数据的处理与理解。
• 室内场景重建：高效处理室内场景点云，助力三维重建。