PointCaps：基于欧氏距离路由胶囊网络的原始点云处理
计算机视觉与模式识别
2022-08-23 v2
摘要
使用胶囊网络处理原始点云因能保持输入数据的空间一致性而被广泛采用於分类、重建和分割。然而，大多数现有的基于胶囊网络的方法计算量大，且无法将整个点云表示为单个胶囊。我们通过提出PointCaps——一种具有参数共享的新型卷积胶囊架构，解决了现有基于胶囊网络方法的这些局限。除PointCaps外，我们提出了一种新颖的欧氏距离路由算法和一种与类别无关的潜在表示。该潜在表示捕获了点云物理可解释的几何参数，借助动态欧氏路由，PointCaps很好地表示了点的空间（点到部件）关系。与最先进的胶囊网络相比，PointCaps参数量显著更少，所需FLOPs显著更低，同时在原始点云上以可比的分类和分割精度实现了更好的重建。
引用
@article{arxiv.2112.11258,
title = {PointCaps: Raw Point Cloud Processing using Capsule Networks with Euclidean Distance Routing},
author = {Dishanika Denipitiyage and Vinoj Jayasundara and Ranga Rodrigo and Chamira U. S. Edussooriya},
journal= {arXiv preprint arXiv:2112.11258},
year = {2022}
}
备注
Accepted to be published in Journal of Visual Communication and Image Representation (Elsevier), 16 Pages, 4 Figures, 5 Tables