Point Transformer

Сети с механизмом самовнимания произвели революцию в обработке естественного языка и добиваются заметных успехов в задачах анализа изображений, таких как классификация изображений и обнаружение объектов. Вдохновленные этим успехом, мы исследуем применение сетей с самовниманием к обработке 3D облаков точек. Мы разрабатываем слои самовнимания для облаков точек и используем их для построения сетей с самовниманием для таких задач, как семантическая сегментация сцен, сегментация частей объектов и классификация объектов. Наша архитектура Point Transformer превосходит предшествующие методы по различным областям и задачам. Например, на сложном датасете S3DIS для масштабной семантической сегментации сцен Point Transformer достигает mIoU 70,4% на зоне Area 5, превосходя сильнейшую предыдущую модель на 3,3 процентных пункта и впервые преодолевая порог mIoU в 70%.