PointManifoldCut：流形中针对点云的点级增强
计算机视觉与模式识别
2021-12-14 v2
摘要
基于混合的点云增强是解决大规模公开数据集稀缺问题的流行方案。但混合点与相应语义标签间的不匹配阻碍了其在部件分割等逐点任务中的进一步应用。本文提出一种点云增强方法 PointManifoldCut（PMC），其替换神经网络嵌入后的点而非欧几里得空间坐标。该方法利用神经网络高层点已训练至能嵌入其邻域关系这一优势，混合这些表示不会混淆点自身与标签间的关系。我们在 PointManifoldCut 操作后置一空间变换模块，以在嵌入空间中对齐新实例。本文还探讨了不同隐藏层及替换点方法的影响。实验表明，所提方法能提升点云分类与分割网络性能，并赋予其对攻击与几何变换的额外鲁棒性。本文代码见：https://github.com/fun0515/PointManifoldCut。
引用
@article{arxiv.2109.07324,
title = {PointManifoldCut: Point-wise Augmentation in the Manifold for Point Clouds},
author = {Tianfang Zhu and Yue Guan and Anan Li},
journal= {arXiv preprint arXiv:2109.07324},
year = {2021}
}