TACO-Net: Topological Signatures Triumph in 3D Object Classification¶

会议: ECCV2026
论文: ECCV 原文
作者: Anirban Ghosh, Ayan Dutta；University of North Florida
领域: 3D 视觉
关键词: 点云分类、拓扑数据分析、立方持久同调、多方向滤波、轻量卷积网络

一句话总结¶

TACO-Net 先把点云转换为多种灰度体素上的固定拓扑统计，再训练轻量 1D CNN 学习这些统计之间的关系，在 ModelNet40 上取得 99.05% OA，但包含拓扑特征生成的完整吞吐量约为 5.3 个点云/秒。

研究背景与动机¶

点云分类要从无序、疏密不均且可能缺失的三维采样中识别物体类别。PointNet 直接聚合逐点特征，PointNet++ 再引入局部邻域，DGCNN 学习邻接关系；这些方法主要让网络从坐标及其局部关系中建立形状表示。另一条路线先体素化或渲染多视图，再让深层网络处理规则输入。它们都需要回答同一个问题：如何保留足以区分类别的形状结构，而不被采样位置和噪声牵着走。

持久同调提供了不同的观察方式：不只观察哪里有点，而是记录随着一个阈值变化，连通分量、环和空腔在什么时候出现、什么时候消失。不过，单一拓扑描述并不自动成为好分类器；同一物体从不同方向扫描、围绕不同中心扩张，可以暴露不同结构，而这些结构的统计组合仍需要学习。本文因此把困难拆在一个明确边界上：前端只计算固定、可复用的形状描述，后端负责把描述变成有类别判别力的表示。

核心 idea：用互补的灰度滤波定义多种“观察形状的顺序”，经立方持久同调压缩成定长签名，再以小型 1D CNN 学习签名之间的高阶组合，而不对拓扑计算反向传播。这是通用 3D 物体分类方法，自动驾驶只是动机中的应用，不是本文专属任务。

方法详解¶

整体框架¶

输入是一个物体的点云，输出是封闭类别集合中的类别概率。点云先在自身轴对齐包围盒内变为二值体素，包含至少一个点的体素记为占据；随后经过多滤波形状探测、立方拓扑签名和签名卷积分类三个阶段，对应原文图 4 和图 5。

前两阶段没有可学习参数，可以预先计算并缓存。最后的网络接收的是有固定拼接顺序的统计向量，不是原始点序列，也不是直接在三维体素上进行卷积。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    INPUT["物体点云"] --> VOXEL["包围盒内二值体素化"]
    VOXEL --> FILTER["多滤波形状探测<br/>高度、径向与 DEDS"]
    FILTER --> TOPO["立方拓扑签名<br/>持久图与统计向量"]
    TOPO --> CNN["签名卷积分类<br/>三层 1D CNN"]
    CNN --> OUTPUT["物体类别概率"]

关键设计¶

1. 多滤波形状探测：同一占据网格，从不同顺序观察结构

二值体素只回答某处是否有点，无法直接表达结构如何逐渐连起来。TACO-Net 为它赋予不同的灰度值，以此定义后续加入体素的先后顺序。高度滤波采用坐标取自 -1、0、1 且排除零向量的 26 个方向，按到对应超平面的距离给占据体素赋值；未占据体素被放到最大距离再加 1 的位置，因此较晚进入。径向滤波改为测量到参考中心的距离，最多从包围盒内部的三维规则网格选取 27 个中心，探测围绕不同位置的结构组织。

另外四类滤波统称 DEDS：密度统计半径 1 邻域内的占据体素数；膨胀取到最近占据体素的曼哈顿距离；腐蚀对占据与未占据互换后的网格执行膨胀；有符号距离则对占据体素取到最近未占据体素的曼哈顿距离减 1，对未占据体素取到最近占据体素的距离的负值。它们分别引入局部密集程度、外部距离、内部结构及边界两侧距离信息。

这里的“滤波”首先产生灰度体，并不等于神经网络滤波器；之后才按灰度阈值做持久同调的过滤序列。最大配置包含 26 个高度、27 个径向和 4 个 DEDS 灰度体。ModelNet10/40 实际只保留前 18 个径向中心，即按 x 坐标分组后的前两片、每片内部按字典序排列的中心，因此实际使用 48 个灰度体。原文称中心数和体素分辨率仅在训练划分上选择，不能把“固定前端”理解成所有数据集超参数完全相同。

2. 立方拓扑签名：把变长的结构事件压缩为可学习的定长统计

对每个灰度体，算法按灰度从低到高添加体素及其面、边、顶点，得到嵌套的立方复形。随阈值升高，连通分量合并，环可能出现后被填平，封闭空腔也可能形成或消失。算法分别在 \(H_0,H_1,H_2\) 中记录这些事件的出生与死亡，组成持久图；这里三者依次对应连通分量、环或隧道、封闭空腔。这样既利用体素规则结构，也避免把所有采样点直接组成复杂的点集复形。

持久图大小因物体而异，因此还要向量化。每个同调维度先计算一个持久熵，以归一化生命周期衡量寿命分布的分散程度。对参与计算的有限生命周期，原文定义为：

\[ p_i=\frac{d_i-b_i}{\sum_j(d_j-b_j)},\qquad \rho(X)=-\sum_i p_i\log p_i. \]

这里 \(b_i,d_i\) 是出生和死亡阈值；公式说明统计量的含义，缓存正文未充分说明无穷寿命和空图的具体实现处理，复现时仍应核对补充代码。熵之外还计算持久图到空图的 amplitude：Wasserstein 使用阶数 1、2，Bottleneck 取极限情形，Betti 曲线计算存活区间数量并取两种范数，持久景观使用层数 1、2 及两种范数，热核使用标准差 0.15 及两种范数。

三个同调维度合计得到 3 个熵值，以及 Wasserstein 6、Bottleneck 3、Betti 6、景观 12、热核 6 个幅值，总计每个灰度体 36 维。Betti 曲线和景观使用 100 个阈值采样，热核使用 20 个。原文的全配置与 ModelNet 配置于是分别对应：

\[ D_{\mathrm{full}}=(26+27+4)\times36=2052,\qquad D_{\mathrm{ModelNet}}=(26+18+4)\times36=1728. \]

多种统计分别概括寿命分布、最长结构及不同阈值下的拓扑活动，避免只靠一个汇总量。不过，有限方向加统计压缩不等价于完整持久同调变换的可逆性保证；本文引用的理论是设计动机，不能据此断言 1728 维向量唯一确定任意形状。

3. 签名卷积分类：学习固定描述符之间的组合，而不是重新学习拓扑

网络依次使用卷积核大小为 3、5、7 的三层 Conv1D，每层后接批归一化和 ReLU。前两层通道数为 128、64，第三层在 ModelNet 上等于类别数，在 ScanObjectNN 上为 40，在两个医学数据集上为 32；随后通过输出维数等于类别数的全连接层和 softmax 得到分类概率。ModelNet40 模型有 0.72M 可学习参数。

卷积的局部邻域位于“固定顺序的拓扑统计向量”上，不能误读为空间中邻近的点。其作用是逐层组合相邻统计并形成判别表示；向量的生成过程不参与梯度更新。原文替换分类器的实验也说明，拓扑特征本身并不足以解释全部增益：相同的最佳 ModelNet40 特征配 XGBoost 得到 81.35% OA，配作者测试的 2.2M 参数 Transformer 得到 62.20%，均显著低于这套 CNN。但这只支持所测试配置，不能推广成卷积普遍优于 Transformer。

一个完整示例¶

原文图 2 展示一个包含 2048 个点的 ModelNet40 汽车。以体素大小 0.05 将点落到二值网格后，点的输入排列不会改变哪些网格被占据；从车头方向扫描和从侧向扫描时，结构进入复形的顺序却不同，因而会产生不同持久图。

按照 ModelNet 配置，同一辆车生成 48 个灰度体，每个灰度体经三个同调维度汇总为 36 个数，拼接后得到 1728 维。这个向量进入三层卷积和 40 类分类头，输出汽车等类别的概率。这个例子只是沿用图 2 的输入解释流程，不虚构该样本的置信度或逐项拓扑数值。

损失函数 / 训练策略¶

拓扑部分由 Python 的 giotto-tda 实现，1D CNN 由 MATLAB 实现。硬件为 Intel i9-12900K、32 GB 内存和 NVIDIA RTX 3060。采用 Adam，初始学习率为 \(10^{-3}\)，批大小 128，最多训练 1000 轮，训练损失低于 0.005 时提前停止；除另有说明，每种配置训练 5 次并报告平均结果。

正文描述了 softmax 分类和训练损失阈值，但没有明确列出具体损失函数公式，因此不擅自补写额外的拓扑损失或正则项。训练仅优化分类网络；每个数据集仍需训练自己的分类器，多数据集结果不是同一个模型的零样本迁移。

实验关键数据¶

主实验¶

OA 是所有测试样本的整体准确率，mAcc 是按类别分别计算准确率后取平均；以下准确率单位均为 %。ModelNet40 使用体素大小 0.05、1728 维特征，ModelNet10 使用同一特征长度。ScanObjectNN 表 2 的比较范围是从头监督训练，不能延伸为优于所有预训练方法。

数据集 / 条件	指标	TACO-Net	对比方法	对比值	原文位置
ModelNet40，标准测试	OA / mAcc	99.05 / 97.97	RotationNet	97.37 / 96.29	表 1
ModelNet10	OA / mAcc	99.52 / 99.52	此处不补录基线	未列	第 3.1 节正文，附录表号未解析
ScanObjectNN，OBJ_BG	OA	95.08	Mamba3D	94.49	表 2
ScanObjectNN，OBJ_ONLY	OA	94.01	Mamba3D	92.43	表 2
ScanObjectNN，PB_T50_RS	OA	91.87	Mamba3D	92.64	表 2

ModelNet40 相对 RotationNet 的 OA 增益是 1.68 个百分点。最难的 PB_T50_RS 上则低于 Mamba3D 0.77 个百分点，是表内第二而非第一。原文另报 ModelNet40 五折交叉验证平均 OA 97.49%、标准差 0.32；这不是标准划分 99.05% 的重复测量，不能把二者写成同一结果的均值与误差。

消融实验¶

下表为 ModelNet40 的特征与网络消融，来自表 6；完整模型取表 1 作为参照。H 表示高度滤波，R 表示径向滤波，DEDS 为密度、腐蚀、膨胀及有符号距离四类。

配置	OA (%)	mAcc (%)	说明
完整模型	99.05	97.97	1728 维，三层 Conv1D
仅 DEDS	96.52	93.76	不使用高度和径向
仅 R	95.47	91.52	只保留径向特征
仅 H	98.29	96.38	高度本身已很强
DEDS + H	98.82	97.33	移除径向后的对照
仅持久熵	96.16	92.79	不使用 amplitude
仅前两层 Conv1D	98.18	95.93	保留最佳输入特征
仅第一层 Conv1D	94.76	90.70	保留最佳输入特征

关键发现¶

高度滤波是最强的单组特征；在 DEDS + H 上加入径向特征的 OA 增益为 0.23 个百分点。仅 H 的完整流水线据报快 3.5 倍，仅熵的特征生成快 2.2 倍，这两个加速范围不同。
体素大小不是越细越好：0.03 时 OA/mAcc 为 98.61/96.96，0.07 时为 98.30/96.16，均低于 0.05 的设置。更细网格还增加拓扑计算成本。
对损坏数据的测试借鉴 ModelNet40-C，但使用 2048 × 3 点云且损坏后不归一化；另增加低/高强度分别随机删除 10%/30% 点的均匀下采样，不能视为完全相同的标准协议。
低强度 impulse 损坏下 OA 只有 52.88%；高强度旋转下，未增强模型为 49.39%，在训练中加入随机选取 20% 训练样本的损坏副本后升至 96.11%。前者使用干净数据训练、按干净测试准确率选出的最佳保存模型，不是五次平均的默认条件。

亮点与洞察¶

最可复用的思想是把形状表示和判别学习分开：同一套固定拓扑特征可缓存后反复训练分类器，有利于分析“描述能力不足”与“分类器不合适”分别造成的影响。
多方向高度滤波携带的是随扫描顺序变化的结构信息，而不仅是物体整体有几个孔。仅 H 的强结果说明几何信息可以通过拓扑事件的发生时刻进入表示。
特征预算可以显式调整：滤波数量和统计类型直接决定输入长度。表 6 给出了减少特征后仍保留较高准确率的依据，但实际部署仍应同时测量前端成本。

局限与展望¶

作者明确把拓扑前端加速列为后续方向。体素大小 0.05 时，特征生成及完整流水线约为 5.3 个点云/秒；16,454 个点云/秒只是已有特征上的分类速度，2.50 分钟训练时间也不能代表从原始点云开始的全部准备成本。
拓扑稳定性不意味着对任意旋转、离群点或占据关系突变都稳定。固定方向、轴对齐包围盒与有限分辨率仍引入姿态和离散化依赖，impulse 与高强度旋转的退化提供了直接反例。
作者强调滤波族与向量化规则跨数据集复用，但径向中心数、体素分辨率和部分网络通道数会变化。因此“无需任何数据集适配”比原文实际设置更强，不宜使用。
当前缓存保留多个未解析的附录引用，缺少相应附录表和部分预处理细节；五次训练的标准测试均值与五折结果还存在明显差距。应进一步核对数据划分、参数选择流程、特征归一化和补充实现，不能仅凭高准确率断言存在或不存在泄漏。
本文在多种数据集分别评估，尚不能据此证明跨域零样本泛化或整场景自动驾驶能力。可探索更快的持久同调实现、姿态增强和拓扑统计与局部几何特征的互补融合。

评分¶

新颖性: 4/5。把互补立方滤波、丰富拓扑统计和轻量 CNN 组合成有效的分类流程，但主要组件已有前作基础。
实验充分度: 4/5。包含多数据集、特征和网络消融及损坏测试，但部分协议与附录细节在缓存中不完整。
写作质量: 3/5。主流程较清楚，未解析引用及“通用性”措辞需要读者结合实际超参数辨析。
价值: 4/5。为固定拓扑描述符加轻量学习器提供强实证，部署价值仍受前端吞吐量限制。