論文の概要: PointMixer: MLP-Mixer for Point Cloud Understanding

• arxiv url: http://arxiv.org/abs/2111.11187v1
• Date: Mon, 22 Nov 2021 13:25:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-23 16:12:51.908984
• Title: PointMixer: MLP-Mixer for Point Cloud Understanding
• Title（参考訳）: PointMixer: Point Cloud UnderstandingのためのMLP-Mixer
• Authors: Jaesung Choe, Chunghyun Park, Francois Rameau, Jaesik Park, In So Kweon
• Abstract要約: チャネルミキシングとトークンミキシングの概念は、視覚認識タスクにおいて顕著なパフォーマンスを達成する。 画像とは異なり、点雲は本質的にスパースで、秩序がなく、不規則であり、点雲の理解にユニバーサルミクサーを直接使用することを制限する。 本稿では,非構造化3次元点間の情報共有を容易にする共通点集合演算子であるPointMixerを提案する。
• 参考スコア（独自算出の注目度）: 74.694733918351
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: MLP-Mixer has newly appeared as a new challenger against the realm of CNNs and transformer. Despite its simplicity compared to transformer, the concept of channel-mixing MLPs and token-mixing MLPs achieves noticeable performance in visual recognition tasks. Unlike images, point clouds are inherently sparse, unordered and irregular, which limits the direct use of MLP-Mixer for point cloud understanding. In this paper, we propose PointMixer, a universal point set operator that facilitates information sharing among unstructured 3D points. By simply replacing token-mixing MLPs with a softmax function, PointMixer can "mix" features within/between point sets. By doing so, PointMixer can be broadly used in the network as inter-set mixing, intra-set mixing, and pyramid mixing. Extensive experiments show the competitive or superior performance of PointMixer in semantic segmentation, classification, and point reconstruction against transformer-based methods.
• Abstract（参考訳）: MLP-Mixer は CNN と Transformer の領域に対する新たな挑戦者として新たに登場した。 トランスに比べて単純であるにもかかわらず、チャネルミキシング MLP とトークンミキシング MLP の概念は、視覚認識タスクにおいて顕著な性能を達成する。 画像とは異なり、点雲は本質的に疎らで、秩序がなく、不規則であり、点雲の理解にMLP-Mixerを直接使用することを制限する。 本稿では,非構造化3次元点間の情報共有を容易にする共通点集合演算子であるPointMixerを提案する。 トークンミキシングのMLPをソフトマックス関数に置き換えることによって、PointMixerはポイントセット内/間の機能を"ミックス"することができる。 これにより、PointMixerは、セット間混合、イントラセット混合、ピラミッド混合としてネットワークで広く使用できる。 拡張実験により, 意味的セグメンテーション, 分類, 点再構成におけるPointMixerの競合的あるいは優れた性能を示す。

関連論文リスト

• Mixer is more than just a model [23.309064032922507]
  本研究は、ロールタイムとハーミットFFT(ASM-RH)を用いたオーディオスペクトログラムミキサーという新しいモデルを導入することで、音声認識の領域に焦点を当てる。 実験により、ASM-RHは音声データに特に適しており、複数の分類タスクで有望な結果が得られることが示された。
  論文  参考訳（メタデータ） (2024-02-28T02:45:58Z)
• iMixer: hierarchical Hopfield network implies an invertible, implicit and iterative MLP-Mixer [2.5782420501870296]
  ホップフィールドネットワークとトランスフォーマーのようなアーキテクチャの研究をiMixerに一般化する。 iMixerは、出力側から入力側へ前進する一般化である。 画像分類タスクにおいて,様々なデータセットを用いてモデル性能を評価する。 この結果は、ホップフィールドネットワークとミキサーモデルとの対応が、トランスフォーマーのようなアーキテクチャ設計のより広範なクラスを理解するための原則であることを示している。
  論文  参考訳（メタデータ） (2023-04-25T18:00:08Z)
• SMMix: Self-Motivated Image Mixing for Vision Transformers [65.809376136455]
  CutMixは視覚変換器(ViT)の性能と一般化能力を決定する重要な拡張戦略である 既存のCutMixの変種は、より一貫性のある混合画像やより正確な混合ラベルを生成することでこの問題に対処している。 本稿では,学習モデルによる画像とラベルの強調を動機づける,効率的かつ効果的な自己運動画像混合法を提案する。
  論文  参考訳（メタデータ） (2022-12-26T00:19:39Z)
• OAMixer: Object-aware Mixing Layer for Vision Transformers [73.10651373341933]
  オブジェクトラベルに基づいてパッチベースモデルのパッチ混合層を校正するOAMixerを提案する。 オブジェクト中心の表現を学習することにより、OAMixerは様々なパッチベースモデルの分類精度と背景ロバスト性を向上することを示した。
  論文  参考訳（メタデータ） (2022-12-13T14:14:48Z)
• SplitMixer: Fat Trimmed From MLP-like Models [53.12472550578278]
  視覚認識のためのシンプルで軽量な等方的アーキテクチャであるSplitMixerを提案する。 情報(空間混合)とチャネル(チャネル混合)の2種類のインターリーブ畳み込み操作を含む。
  論文  参考訳（メタデータ） (2022-07-21T01:37:07Z)
• Boosting Adversarial Transferability of MLP-Mixer [9.957957463532738]
  我々は,マクスウェルの悪魔攻撃(MA)と呼ばれるDense-Mixerに対する敵攻撃法を提案する。 提案手法は既存の手法と簡単に組み合わせることができ,ResMLPでは最大38.0%の転送性を向上させることができる。 我々の知る限りでは、Dense-Mixerの対向移動可能性を研究する最初の研究である。
  論文  参考訳（メタデータ） (2022-04-26T10:18:59Z)
• S$^2$-MLP: Spatial-Shift MLP Architecture for Vision [34.47616917228978]
  近年、視覚変換器(ViT)とその後続の作業は、畳み込みを放棄し、自己注意操作を活用している。 本稿では,空間シフト(S$2$-MLP)という新しい純粋アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-06-14T15:05:11Z)
• MLP-Mixer: An all-MLP Architecture for Vision [93.16118698071993]
  マルチ層パーセプトロン(MLP)を基盤としたアーキテクチャ「Mixer」を発表。 Mixerはイメージ分類ベンチマークで競合スコアを獲得し、事前トレーニングと推論は最先端のモデルに匹敵する。
  論文  参考訳（メタデータ） (2021-05-04T16:17:21Z)
• PointMixup: Augmentation for Point Clouds [65.61212404598524]
  本稿では,2つの点群間の経路関数を最適に割り当てることで,新しい例を生成するPointMixupを紹介する。 ポイントクラウド分類におけるPointMixupの可能性を示す。
  論文  参考訳（メタデータ） (2020-08-14T13:57:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。