FILTR：从预训练的 3D 模型中提取拓扑特征

预训练 3D 点云编码器（例如 Point-BERT、Point-MAE）的最新进展已经产生了强大的模型，其能力通常根据几何或语义任务进行评估。同时，拓扑描述符已被证明可以提供形状多尺度结构的信息摘要。在本文中，我们提出了拓扑信息是否可以从 3D 编码器生成的特征中导出的问题。为了解决这个问题，我们首先引入 DONUT，一种具有受控拓扑复杂性的综合基准，并提出 FILTR (Filtration Transformer)，一种可学习的框架，用于直接从冻结编码器预测持久性图。 FILTR 采用 Transformer 解码器将图生成视为一组预测任务。我们对 DONUT 的分析表明，现有编码器仅保留有限的全局拓扑信号，但 FILTR 成功地利用这些编码器产生的信息来近似持久性图。我们的方法首次能够通过有效的可学习前馈机制从原始点云中以数据驱动的方式提取持久性图。