KPConv：面向点云的灵活可变形卷积
计算机视觉与模式识别
2019-08-20 v2
摘要
我们提出核点卷积（KPConv），一种点卷积的新设计，即直接在点云上操作而无需任何中间表示。KPConv 的卷积权重由核点在欧几里得空间中定位，并应用于邻近的输入点。其使用任意数量核点的能力使 KPConv 比固定网格卷积更具灵活性。此外，这些位置在空间中是连续的，并且可由网络学习。因此，KPConv 可扩展为可变形卷积，学习使核点适应局部几何。得益于规则下采样策略，KPConv 还高效且对密度变化具有鲁棒性。无论它们是使用可变形 KPConv 处理复杂任务，还是使用刚性 KPConv 处理更简单任务，我们的网络在多个数据集上均优于最先进的分类和分割方法。我们还提供了消融研究和可视化，以理解 KPConv 所学到的内容并验证可变形 KPConv 的描述能力。
引用
@article{arxiv.1904.08889,
title = {KPConv: Flexible and Deformable Convolution for Point Clouds},
author = {Hugues Thomas and Charles R. Qi and Jean-Emmanuel Deschaud and Beatriz Marcotegui and François Goulette and Leonidas J. Guibas},
journal= {arXiv preprint arXiv:1904.08889},
year = {2019}
}
备注
Camera-ready, accepted to ICCV 2019; project website: https://github.com/HuguesTHOMAS/KPConv