Transformer是如何进军点云学习领域的？

点击进入—>3D视觉工坊学习交流群

0.笔者个人体会：

这个工作来自于牛津大学、香港大学、香港中文大学和Intel Labs，发表于ICCV2021。我们知道，Transformer在近两年来于各个领域内大放异彩。其最开始是自然语言处理领域的一个强有力的工具。后来，在图像处理领域，Transformer由于其可以感知远距离的像素，从而学习到更全面的特征表示。并且这项工具已经被应用在多个二维图像处理任务中，例如目标检测、语义分割等。而将Transformer应用于三维点云相关的任务是一个必然的趋势。由于三维点云的不规则性和密度多样性，Transformer在点云数据上甚至具有更大的潜力。实际上，在早期的工作中就已经有将Transformer应用到点云相关的任务中，例如DCP利用Transformer对源点云和目标点云的互信息进行建模，实现输入点云对的同时感知。但是，彼时的Transformer并不是一个重点。这篇Point Transformer则是将Transformer应用到点云学习的一个标志性成果，其设计了一个Point Transformer网络，并展现了其在点云点特征提取和全局特征提取的优势作用。这使得这篇论文的工作有着更广阔的应用范围和潜力，为后续很多点云相关任务的研究提供了一个有力的工具和参考。

1、论文相关内容介绍：

论文标题： Point Transformer

作者列表：&#x