point transformer pytorch

Transformador de punto - Pytorch

Implementación de la capa de autoatención de Point Transformer, en Pytorch. El circuito simple anterior parecía haber permitido a su grupo superar todos los métodos anteriores en clasificación y segmentación de nubes de puntos.

Instalar

$ pip install point-transformer-pytorch

Uso

 import torch
from point_transformer_pytorch import PointTransformerLayer

attn = PointTransformerLayer (
    dim = 128 ,
    pos_mlp_hidden_dim = 64 ,
    attn_mlp_hidden_mult = 4
)

feats = torch . randn ( 1 , 16 , 128 )
pos = torch . randn ( 1 , 16 , 3 )
mask = torch . ones ( 1 , 16 ). bool ()

attn ( feats , pos , mask = mask ) # (1, 16, 128)

Este tipo de atención vectorial es mucho más cara que la tradicional. En el artículo, utilizaron k vecinos más cercanos en los puntos para excluir la atención en puntos lejanos. Puedes hacer lo mismo con una única configuración adicional.

 import torch
from point_transformer_pytorch import PointTransformerLayer

attn = PointTransformerLayer (
    dim = 128 ,
    pos_mlp_hidden_dim = 64 ,
    attn_mlp_hidden_mult = 4 ,
    num_neighbors = 16          # only the 16 nearest neighbors would be attended to for each point
)

feats = torch . randn ( 1 , 2048 , 128 )
pos = torch . randn ( 1 , 2048 , 3 )
mask = torch . ones ( 1 , 2048 ). bool ()

attn ( feats , pos , mask = mask ) # (1, 16, 128) 

Citas

 @misc { zhao2020point ,
    title = { Point Transformer } , 
    author = { Hengshuang Zhao and Li Jiang and Jiaya Jia and Philip Torr and Vladlen Koltun } ,
    year = { 2020 } ,
    eprint = { 2012.09164 } ,
    archivePrefix = { arXiv } ,
    primaryClass = { cs.CV }
}