摘要
近期，仅基于多层感知机（MLP）的视觉架构在计算机视觉领域受到了广泛关注。类似MLP的模型在单个2D图像分类任务中，通过减少归纳偏置并无需手工设计的卷积层，达到了具有竞争力的性能。在这项工作中，我们探讨了基于MLP的架构在基于视角的3D物体识别任务中的有效性。我们提出了一种称为循环滚动多层感知机（Round-Roll MLP，简称R$^2$-MLP）的架构。该架构通过考虑不同视角之间补丁的通信，扩展了空间移位MLP主干网络。R$^2$-MLP沿视角维度滚动部分通道，促进了相邻视角之间的信息交换。我们在ModelNet10和ModelNet40数据集上对MLP的结果进行了基准测试，并从多个方面进行了消融实验。实验结果表明，我们的R$^2$-MLP凭借概念上简单的结构，在性能上与现有的最先进方法相当。