以PointCNN
中的\(\mathcal{X}-Conv\)为例,此处做个引子带出来卷积的方法。
\(\mathcal{X}-Conv\)来鹅城只为两件事:
- 对每个代表点周围的点特征做集成。
- 在隐空间对输入做重排去除输入顺序的影响。
Abstract
点云分析是一件很有挑战性的事情,因为不规则点中隐含的形状很难捕捉。在本文中提出了RS-CNN
,即关系形状卷积神经网络,他将规则网格CNN
扩展到不规则结构中,用于点云分析。RS-CNN
的关键是从关系中学习,例如点之间的集合拓扑约束。具体地说,