DGAS-Net点云分析网络

高效全局建模

融合显式几何描述与自适应稀疏注意力，在降低计算复杂度的同时提升点云分析精度。

Ce, Zhou · 凌强

IEEE Transactions on Circuits and Systems for Video Technology 2025

参数信息

数据集验证数量

4

技术优势

降低计算强度

自适应稀疏注意力（ASA）选择全局代表点执行向量注意力，显著降低了复杂度。

显式几何描述

双几何学习（DGL）从三角表示生成显式几何描述子，捕捉局部形状细节。

融合局部与全局

双几何上下文聚合（DGCA）模块高效融合局部几何与语义信息。

应用场景

• 自动驾驶感知：在自动驾驶点云实时处理中降计算强度，实现更高效的感知。
• 3D场景理解：利用显式几何描述子提升3D场景分割和识别的局部细节建模。
• 机器人视觉：在机器人嵌入式计算下实现高效长程依赖建模，适合实时视觉任务。
• 工业测量：为高精度点云测量提供强局部几何特征，改善测量准确性。