一种面向旋转不变点云分析的通用框架

我们提出了一种基于深度学习的点云分析通用方法，该方法对输入的旋转具有不变性。传统方法通常以对齐的点云作为输入，因此容易受到旋转的影响。主成分分析（PCA）是实现旋转不变性的一种实用方法。然而，理论与实际算法之间仍存在一些差距。在这项工作中，我们对设计用于点云分析的旋转不变算法进行了深入研究。我们首先将其形式化为一个置换不变问题，然后提出了一个可与任何骨干网络结合的通用框架。我们的方法有利于进一步的研究，例如3D预训练和多模态学习。实验表明，在常见基准测试上，我们的方法与最先进的方法相比，性能相当或更优。代码可在 https://github.com/luoshuqing2001/RI_framework 获取。