摘要： 点云和视图２种模态的全局特征融合已经被证明有效，为了进一步挖掘细粒度的局部特征关系和模态间的 互补关系以提升模型性能，提出了一种新的网络架构。该架构包含２个核心模块：设计了局部特征融合模块 （ＬＦＭ），通过特征矩阵的转置变化，集成２种模态在不同层次的局部特征，而特征互补增强模块则利用元素级的简 单运算，获取模态间的区别性信息，并以此为根据量化出权重系数，最后加权增强特征，形成更强大的形状描述符。 在ＭｏｄｅｌＮｅｔ１０和ＭｏｄｅｌＮｅｔ４０数据集上的实验结果表明，该网络在效率和性能上实现了平衡，并且在三维形状识别方 面取得了先进的成果。

关键词: 多模态；三维形状理解；深度学习；局部特征

中图分类号: 

• ＴＰ３９１．４