Relation-Shape Convolutional Neural Network for Point Cloud Analysis

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,

上一篇:《Multi-Stream Gated and Pyramidal Temporal Convolutional Neural Networksfor Audio-Visual Speech Se》


下一篇:论文翻译:2020_RESIDUAL ACOUSTIC ECHO SUPPRESSION BASED ON EFFICIENT MULTI-TASK CONVOLUTIONAL NEURAL NETW