PointAugment：一种用于点云分类的自动增强框架
计算机视觉与模式识别
2020-03-23 v2
摘要
我们提出 PointAugment，一种新颖的自动增强框架，在训练分类网络时自动优化并增强点云样本以丰富数据多样性。与现有的针对 2D 图像的自动增强方法不同，PointAugment 是样本感知的，并采用对抗学习策略联合优化增强器网络与分类器网络，使得增强器能够学习生成最契合分类器的增强样本。此外，我们构建了具有形状级变换与点级位移的可学习点增强函数，并精心设计损失函数以依据分类器的学习进度采用增强样本。大量实验也证实了 PointAugment 在提升形状分类与检索中各类网络性能方面的有效性与鲁棒性。
引用
@article{arxiv.2002.10876,
title = {PointAugment: an Auto-Augmentation Framework for Point Cloud Classification},
author = {Ruihui Li and Xianzhi Li and Pheng-Ann Heng and Chi-Wing Fu},
journal= {arXiv preprint arXiv:2002.10876},
year = {2020}
}
备注
Camera-Ready Version for CVPR 2020 (Oral); code is https://github.com/liruihui/PointAugment/