Mini-PointNetPlus：一种用于三维环境感知深度学习模型的局部特征描述子
计算机视觉与模式识别
2023-07-26 v1
摘要
常见的三维环境感知深度学习模型常采用柱状化/体素化方法将的点云数据转换为柱/体素，再以 2D/3D 卷积神经网络（CNN）处理。先驱工作 PointNet 作为局部特征描述子（三维感知深度学习模型中的基础组件）被广泛用于提取点云特征。这是通过提供唯一柱/体素特征的对称最大池化算子实现的。然而，最大池化算子忽略多数点，导致信息丢失，降低模型性能。为解决此问题，我们提出一种新颖局部特征描述子 mini-PointNetPlus，作为 PointNet 的即插即用替代。基本思路是将数据点分别投影至所考虑的各独立特征，每个均导致置换不变性。因此，所提描述子将无序点云转换为稳定顺序。原始 PointNet 被证明是我们 mini-PointNetPlus 的特例。由于所提描述子充分利用特征，实验表明三维感知性能得到显著提升。
引用
@article{arxiv.2307.13300,
title = {Mini-PointNetPlus: a local feature descriptor in deep learning model for 3d environment perception},
author = {Chuanyu Luo and Nuo Cheng and Sikun Ma and Jun Xiang and Xiaohan Li and Shengguang Lei and Pu Li},
journal= {arXiv preprint arXiv:2307.13300},
year = {2023}
}