关键点自编码器：学习具有语义的兴趣点

理解点云具有重要意义。许多先前的方法侧重于检测显著关键点以识别点云的结构。然而，现有方法忽视了所选点的语义，导致在下游任务上性能不佳。本文中，我们提出关键点自编码器（Keypoint Autoencoder），一种用于检测关键点的无监督学习方法。我们通过强制从关键点到原始点云的重建来鼓励选择稀疏语义关键点。为使稀疏关键点选择可微，采用软关键点提议（Soft Keypoint Proposal），通过对输入点计算加权平均实现。我们开展了使用稀疏关键点分类形状的下游任务，以展示所选关键点的区分性。我们提出了语义准确率（Semantic Accuracy）和语义丰富度（Semantic Richness），且我们的方法在这两个指标上取得了与现有最优方法相当甚至更优的性能。