基于延拓算子的点卷积神经网络
计算机视觉与模式识别
2018-03-28 v1
摘要
本文提出了点卷积神经网络（Point Convolutional Neural Networks, PCNN）：一种将卷积神经网络应用于点云的新框架。该框架由两个算子组成：延拓和限制，分别将点云函数映射为体素函数，以及反之将体素函数映射为点云函数。点云卷积是通过延拓-限制机制对欧氏体素卷积进行拉回定义的。该点云卷积计算效率高，对点云中点的顺序不变，对不同采样和密度变化具有鲁棒性，且具有平移不变性，即在所有点上使用相同的卷积核。PCNN 推广了图像 CNN，并允许将其架构直接适配到点云设置中。在三个核心点云学习基准上对 PCNN 的评估表明，其令人信服地优于竞争性点云学习方法，且优于绝大多数使用更具信息量的形状表示（如表面和/或法线）的方法。
引用
@article{arxiv.1803.10091,
title = {Point Convolutional Neural Networks by Extension Operators},
author = {Matan Atzmon and Haggai Maron and Yaron Lipman},
journal= {arXiv preprint arXiv:1803.10091},
year = {2018}
}