一个点云细分网络,带有混合卷积和微分通道.
1Computer Science and Technology College, Xi'an University of Science and Technology, Xi'an, 710600, China.
Scientific reports
|April 8, 2025
概括
本研究介绍了HDC_Net,一个新的3D细分网络. 它增强了细节捕获,并整合了本地和全球信息,以提高点云细分的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 3D数据处理 3D数据处理
- 机器学习 机器学习
背景情况:
- 以点为基础的细分方法已经进步,但与不规则的3D几何学扎.
- 现有的方法缺乏有效地整合全球和地方信息.
- 传统的卷积不足以捕捉点云中的精细空间细节.
研究的目的:
- 提出一个新的3D细分网络,HDC_Net,解决细节捕获和信息集成方面的局限性.
- 为了提高点云细分的准确性和稳定性.
主要方法:
- 设计了一个混合卷积特征提取 (HCFE) 模块,用于独立处理语义和空间3D信息.
- 开发了一个差分通道特征交互 (DCFI) 模块,使用差分卷积 (DCU) 和简化通道注意力 (S_ECA).
- 实施了动态交互机制 (DIM) 来实现本地和全球道信息的自适应融合.
主要成果:
- 与现有方法相比,HDC_Net在捕捉微妙的几何细节方面表现出卓越的性能.
- 该网络有效地将当地特征与全球背景相结合,以增强细分.
- 广泛的实验验证了拟议的HDC_Net模型的有效性和优越性.
结论:
- 在3D点云细分精度方面,HDC_Net提供了显著的优势.
- 混合卷积和微分通道方法有效地解决了先前方法的局限性.
- 拟议的模型代表了3D语义细分的显著进步.


