Point Transformers
PulseAugur coverage of Point Transformers — every cluster mentioning Point Transformers across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Lang3DSeg 实现免标注的 3D LiDAR 分割
研究人员开发了 Lang3DSeg，一种用于开放词汇 3D LiDAR 分割的新型点 Transformer 模型。该方法通过将 2D 视觉-语言模型投影到 3D 数据上来绕过手动标注的需求，并通过类别优先级规则和深度分布截断来解决深度模糊等挑战。Lang3DSeg 在 nuScenes 和 SemanticKITTI 基准测试中，在免标注方法方面取得了最先进的成果，并且无需同时进行视觉-语言模型推理即可在单次 LiDAR 扫描中实现实时运行。
-
自监督点Transformer实现3D实例分割的涌现
研究人员开发了一种名为TokenGraph3D的新方法，使用自监督点Transformer进行无监督3D实例分割。该方法利用这些Transformer的内部表示，特别是关注注意力查询和键，以分离对象实例，而无需依赖传统的几何先验。该方法发现实例信号集中在特定层，并受到旋转位置编码（RoPE）的显著影响，证明了其在SemanticKITTI、nuScenes和Waymo Perception等数据集上的有效性。
-
MedPCFM 利用流匹配和Transformer推进医学点云补全
研究人员开发了MedPCFM，这是一种整合了Point Transformers (PTv3) 和流匹配的新型医学点云补全方法。该方法在SkullFix和Mandibular Defect等数据集上进行了评估，展示了最先进的生成性能。与扩散模型相比，MedPCFM仅需显著更少的采样步骤即可实现此目标，并提供可观的吞吐量提升，在使用PVCNN骨干网络时速度最高可提升7倍。