論文の概要: PCT-Prompt: A Prompt-Guided Transformer Framework for Dense Prediction Tasks in Point Clouds

• arxiv url: http://arxiv.org/abs/2608.16225v1
• Date: Mon, 17 Aug 2026 08:01:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.584962
• Title: PCT-Prompt: A Prompt-Guided Transformer Framework for Dense Prediction Tasks in Point Clouds
• Title（参考訳）: PCT-Prompt:ポイントクラウドにおける高密度予測タスクのためのPrompt-Guided Transformerフレームワーク
• Abstract要約: PCT-Promptは、高密度予測タスクのパフォーマンスを向上させるために、プロンプト誘導機能ブランチを導入することで、標準トランスフォーマーを強化する。 我々は,PCT-Promptが高密度予測タスクへの標準変換器の適応性を著しく向上し,実世界のシナリオにおいて高い性能を実現することを示す。
• 参考スコア（独自算出の注目度）: 5.568628403034062
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Standard Transformers have proven effective in point cloud object classification, but their performance in dense prediction tasks within complex scenes is often hindered by weak prior assumptions. To address this challenge, we propose PCT-Prompt, a novel framework that enhances standard Transformers by introducing a prompt-guided feature branch to improve performance in dense prediction tasks. The standard Transformer branch leverages pre-trained models for global feature extraction from point cloud data, serving as the backbone for processing high-level features. Meanwhile, the prompt-guided feature branch consists of two key components: a fine-grained feature extraction block that captures multi-scale geometric features using geometry-sensitive abstraction layer, along with the PnP-3D layer to integrate local context with global regularization. The second component, the prompt-refined feature learning block generates prompt tokens, which are subsequently refined through cross-attention mechanisms. Additionally, we introduce a prompt drop mechanism that progressively removes prompt information across Transformer layers, balancing local details and global consistency. Experimental results on the ShapeNetPart, S3DIS, and DALES datasets demonstrate that PCT-Prompt significantly improves the adaptability of standard Transformers to dense prediction tasks, achieving strong performance in real-world scenarios.
• Abstract（参考訳）: 標準変換器は、点雲オブジェクトの分類において有効であることが証明されているが、複雑なシーン内の密集予測タスクにおけるそれらの性能は、しばしば弱い事前仮定によって妨げられている。 そこで我々は,PCT-Promptを提案する。PCT-Promptは,高密度予測タスクの性能向上のために,プロンプト誘導機能分岐を導入することで,標準トランスフォーマーを強化する新しいフレームワークである。 標準的なTransformerブランチは、ポイントクラウドデータからグローバルな特徴抽出のためにトレーニング済みのモデルを活用し、高レベルの機能を処理するバックボーンとして機能する。 一方、プロンプト誘導機能ブランチは、2つの重要なコンポーネントで構成されている。幾何感応的な抽象層を用いて、多スケールの幾何学的特徴をキャプチャするきめ細かい特徴抽出ブロックと、局所的なコンテキストとグローバルな正規化を統合するPnP-3Dレイヤである。 第2のコンポーネントである、プロンプト精製された特徴学習ブロックは、プロンプトトークンを生成し、その後、クロスアテンション機構によって洗練される。 さらに,Transformer層間のプロンプト情報を段階的に削除し,局所的な詳細とグローバルな一貫性のバランスをとるプロンプトドロップ機構を導入する。 ShapeNetPart, S3DIS, DALESデータセットによる実験結果から, PCT-Promptは高密度予測タスクへの標準トランスフォーマーの適応性を著しく向上し, 実世界のシナリオにおいて高い性能を実現していることが示された。

関連論文リスト

• RegFormer++: An Efficient Large-Scale 3D LiDAR Point Registration Network with Projection-Aware 2D Transformer [71.59462491691819]
  本稿では,大規模クラウドアライメントを実現するために,RegFormer++と呼ばれる新しいエンド・ツー・エンド差動トランスフォーマネットワークを提案する。 元の3D座標を2次元投影位置に充填するため、設計したトランスフォーマーは2次元処理における高効率と3次元幾何情報からの精度の両面から恩恵を受けることができる。 KITTI、NuScenes、Argoverseのデータセットを用いた実験により、我々のモデルは精度と効率の両面で最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2026-03-15T09:03:10Z)
• SPPSFormer: High-quality Superpoint-based Transformer for Roof Plane Instance Segmentation from Point Clouds [14.67024375365087]
  変圧器は、ポイントクラウドの屋根面のインスタンスセグメンテーションにはほとんど使われていない。 既存のスーパーポイント変換器は、低品質のスーパーポイントを使用するため、限られた性能に悩まされる。 高品質なスーパーポイントが満足すべき2つの基準を確立し、それに対応する2段階のスーパーポイント生成プロセスを導入する。
  論文  参考訳（メタデータ） (2025-05-30T11:23:16Z)
• FASTer: Focal Token Acquiring-and-Scaling Transformer for Long-term 3D Object Detection [9.291995455336929]
  我々はFAST(Focal Token Acquring-and-Scaling Transformer)を提案する。 FASTerは、適応的で軽量な方法でトークンシーケンスを凝縮する。 性能と効率の両方で、他の最先端の検出器よりも大幅に優れています。
  論文  参考訳（メタデータ） (2025-02-28T03:15:33Z)
• Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
  従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。 そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。 PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
  論文  参考訳（メタデータ） (2024-07-26T06:29:09Z)
• Efficient Point Transformer with Dynamic Token Aggregating for LiDAR Point Cloud Processing [19.73918716354272]
  LiDARポイントクラウド処理と解析は、3Dトランスの開発によって大きな進歩を遂げた。 既存の3Dトランスフォーマー法は通常、計算コストが高く、大きな注意マップと冗長な注意マップのために非効率である。 ポイントクラウド表現と処理のための動的トークン集約(DTA-Former)を用いた効率的なポイントトランスフォーマーを提案する。
  論文  参考訳（メタデータ） (2024-05-23T20:50:50Z)
• RegFormer: An Efficient Projection-Aware Transformer Network for Large-Scale Point Cloud Registration [73.69415797389195]
  本稿では,大規模クラウドアライメントのためのエンドツーエンドトランス (RegFormer) ネットワークを提案する。 具体的には、プロジェクション対応階層変換器を提案し、長距離依存を捕捉し、外乱をフィルタする。 我々の変圧器は線形複雑であり、大規模シーンでも高い効率が保証される。
  論文  参考訳（メタデータ） (2023-03-22T08:47:37Z)
• DSVT: Dynamic Sparse Voxel Transformer with Rotated Sets [95.84755169585492]
  本研究では,屋外3次元知覚のためのシングルストライドウィンドウベースのボクセルトランスであるDynamic Sparse Voxel Transformer (DSVT)を提案する。 本モデルでは,3次元認識タスクを多岐にわたって行うことにより,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-01-15T09:31:58Z)
• Point Cloud Recognition with Position-to-Structure Attention Transformers [24.74805434602145]
  Position-to-Structure Attention Transformer (PS-Former) は3Dポイントクラウド認識のためのトランスフォーマーベースのアルゴリズムである。 PS-Formerは、固定グリッド構造にポイントが配置されていない3Dポイントクラウド表現の課題に対処する。 PS-Formerは、分類、部分セグメンテーション、シーンセグメンテーションを含む3つの3Dポイントクラウドタスクに対して、競争力のある実験結果を示す。
  論文  参考訳（メタデータ） (2022-10-05T05:40:33Z)
• Full Transformer Framework for Robust Point Cloud Registration with Deep Information Interaction [9.431484068349903]
  最近のTransformerベースの手法は、ポイントクラウドの登録において高度なパフォーマンスを実現している。 近年のCNNは、現地の受容によるグローバルな関係のモデル化に失敗している。 トランスフォーマーの幅の浅いアーキテクチャと位置エンコーディングの欠如は、不明瞭な特徴抽出につながる。
  論文  参考訳（メタデータ） (2021-12-17T08:40:52Z)
• Visual Saliency Transformer [127.33678448761599]
  RGBとRGB-Dの液状物体検出(SOD)のための、純粋な変圧器であるVST(Visual Saliency Transformer)に基づく新しい統一モデルを開発しました。 イメージパッチを入力として取り、トランスフォーマーを利用してイメージパッチ間のグローバルコンテキストを伝搬する。 実験結果から,RGBとRGB-D SODのベンチマークデータセットにおいて,本モデルが既存の最新結果を上回っていることが示された。
  論文  参考訳（メタデータ） (2021-04-25T08:24:06Z)
• Transformers Solve the Limited Receptive Field for Monocular Depth Prediction [82.90445525977904]
  畳み込みニューラルネットワークとトランスの両方の恩恵を受けるアーキテクチャであるTransDepthを提案します。 連続ラベルを含む画素単位での予測問題にトランスフォーマーを適用する最初の論文である。
  論文  参考訳（メタデータ） (2021-03-22T18:00:13Z)

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。