corrupted 点云分类的基准测试与分析

3D 感知，尤其是点云分类，已取得实质性进展。然而，在实际部署中，由于场景复杂性、传感器不精确以及处理不精准，点云 corruption 不可避免。在本工作中，我们旨在严格地对 corruption 下的点云分类进行基准测试与分析。为开展系统性研究，我们首先给出常见 3D corruption 的分类法并识别原子 corruption。随后，我们对多种代表性点云模型进行全面评估，以理解其鲁棒性与泛化能力。我们的基准结果表明，尽管点云分类性能随时间不断提升，但最先进的方法正濒临鲁棒性下降的境地。基于所获观测，我们提出若干增强点云分类器鲁棒性的有效技术。我们希望我们全面的基准、深入分析以及所提技术能启发未来关于鲁棒 3D 感知的研究。