体素到点采样网络

兼顾效率与精度

提出一种体素到点的采样新框架，可与现有面向任务的点云采样网络无缝集成，显著减少冗余点，提升下游任务性能。

Xu, Wang · Jin, Yi · 岑翼刚 · 李浥东 · Yu, Hui

IEEE Transactions on Circuits and Systems for Video Technology 2025

技术优势

冗余更少

通过重要体素预测模块聚焦关键区域，减少冗余点干扰，使采样点更具代表性。

无缝集成

V2PNet 可与现有逐点采样网络结合，联合训练下游任务，无需大幅修改原有流程。

性能提升

在多个任务定向采样模型上实验表明，V2PNet 能进一步提升现有方法的下游任务性能。

应用场景

• 3D点云处理：降采样点云用于分类、分割等任务，减少计算量并保持精度。
• 机器人感知：从传感器点云中提取关键区域，提高机器人对场景的理解效率。
• 自动驾驶感知：压缩激光雷达点云，保留重要目标信息，降低感知系统延迟。
• 三维重建：在重建前筛选关键点，减少噪声和冗余，提升重建质量。