5月25日，记者从山西大学获悉，该校智能信息处理研究所团队用图调控网络实现高性能点云分割，相关成果发表在人工智能领域国际期刊《IEEE模式分析与机器智能汇刊》。
点云数据分析广泛应用于自动驾驶、三维理解和机器人等领域。点云分割是点云数据分析领域中基本且具有挑战性的任务，旨在根据不同属性与功能将目标点云划分成不同区域。
“实现高性能点云分割，关键在于提取具有判别性的逐点特征。”山西大学智能信息处理研究所团队成员介绍，在点云不同分割区域边界处，邻域节点往往存在较强异质性。此前的方法在实现特征聚合过程中忽略了节点之间同质与异质关系。这使得节点特征混入不必要的异质节点信息，导致点云分割边界模糊。
针对上述问题，研究团队提出了一种图调控网络，将点云建模为同质—异质图。他们结合图注意力模型，设计了基于同质性指导的图注意力卷积，挖掘局部邻域内同质性特征。研究团队还进一步设计了原型特征提取模块，从全局范围原型空间中进一步挖掘同质性特征，提高节点特征判别性，进一步提升点云分割性能。
据悉，研究成果进一步增强了节点特征的判别性，提高了点云分割边界清晰度。
5月25日，记者从山西大学获悉，该校智能信息处理研究所团队用图调控网络实现高性能点云分割，相关成果发表在人工智能领域国际期刊《IEEE模式分析与机器智能汇刊》。
点云数据分析广泛应用于自动驾驶、三维理解和机器人等领域。点云分割是点云数据分析领域中基本且具有挑战性的任务，旨在根据不同属性与功能将目标点云划分成不同区域。
“实现高性能点云分割，关键在于提取具有判别性的逐点特征。”山西大学智能信息处理研究所团队成员介绍，在点云不同分割区域边界处，邻域节点往往存在较强异质性。此前的方法在实现特征聚合过程中忽略了节点之间同质与异质关系。这使得节点特征混入不必要的异质节点信息，导致点云分割边界模糊。
针对上述问题，研究团队提出了一种图调控网络，将点云建模为同质—异质图。他们结合图注意力模型，设计了基于同质性指导的图注意力卷积，挖掘局部邻域内同质性特征。研究团队还进一步设计了原型特征提取模块，从全局范围原型空间中进一步挖掘同质性特征，提高节点特征判别性，进一步提升点云分割性能。
据悉，研究成果进一步增强了节点特征的判别性，提高了点云分割边界清晰度。
本文链接：山西大学团队用图调控网络 实现高性能点云分割http://www.sushuapos.com/show-2-6307-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 天津口岸：智能审图为通关提速增效
下一篇： 腾讯混元文生图大模型全面开源