关于旋转等变点云网络的普适性
机器学习
2020-10-07 v1 计算几何
摘要
在点云上学习函数在计算机视觉、计算机图形学、物理学和化学等诸多领域都有应用。近来,人们对在点云三种保形变换(平移、旋转和置换)下不变或等变的神经架构兴趣渐增。本文首次研究了这些架构的逼近能力。我们基于等变多项式空间的新刻画,推导出等变架构具有普适逼近性质的两个充分条件。随后利用这些条件证明了两个近期提出的模型是普适的,并设计了另外两个新颖的普适架构。
引用
@article{arxiv.2010.02449,
title = {On the Universality of Rotation Equivariant Point Cloud Networks},
author = {Nadav Dym and Haggai Maron},
journal= {arXiv preprint arXiv:2010.02449},
year = {2020}
}