原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第
59
卷第
5
期西南交通大学学报Vol.
59
No.
5
2024
年
10
月JOURNAL
OF
SOUTHWEST
JIAOTONG
UNIVERSITYOct.
2024
文章编号：0258-2724(2024)05-1184-10
DOI:10.3969/j.issn.0258-2724
专栏：人工智能理论与应用
基于注意力机制的三维点云模型对应关系计算
1,2111
杨军
，高志明
，李金泰
，张琛
（1.
兰州交通大学电子与信息工程学院，甘肃
兰州
730070；2.
兰州交通大学测绘与地理信息学院，甘肃
兰州
730070）
摘要：针对现有深度学习方法计算非刚性点云模型间稠密对应关系时精度不高，且算法泛化能力较差的问题，
提出一种基于特征序列注意力机制的无监督三维点云模型对应关系计算新方法.
首先，使用特征提取模块提取输
入点云模型对的特征；然后，通过Transformer模块捕获自注意力和交叉注意力，学习共同上下文信息，并由对应
关系预测模块生成软映射矩阵；最后，重构模块根据得到的软映射矩阵重构点云模型，并利用无监督损失函数完
成训练.
在FAUST、SHREC’19和SMAL数据集上的实验结果表明，本算法的平均对应误差分别为5.1、5.8和
5.4，均低于3D-CODED、Elementary
Structures和CorrNet3D经典算法；本算法所计算的非刚性三维点云模型间
对应关系准确率更高，且具有更强的泛化能力.
关键词：计算机视觉；对应关系；无监督；点云重构；注意力机制
中图分类号：TP391.4
文献标志码：A
CorrespondenceCalculationofThree-DimensionalPointCloudModel
BasedonAttentionMechanism
1,2111
YANGJun,
GAOZhiming,
LIJintai,
ZHANGChen
(1.
School
of
Electronic
and
Information
Engineering,
Lanzhou
Jiaotong
University,
Lanzhou
730070,
China;
2.
Faculty
of
Geomatics,
Lanzhou
Jiaotong
University,
Lanzhou
730070,
China)
Abstract:
The
existing
deep
learning
methods
have
low
precision
and
poor
generalization
ability
in
calculating
dense
correspondence
between
non-rigid
point
cloud
models.
To
address
these
issues,
a
novel
method
for
calculating
unsupervised
three-dimensional
(3D)
point
cloud
model
correspon
文档评论（0）