PointMixup：点云的数据增强方法

本文通过示例间插值引入点云的数据增强。插值的数据增强在图像领域已被证明是一种简单有效的方法。然而，这种 mixup 不能直接迁移到点云，因为两个不同物体的点之间不存在一一对应。本文将点云间的数据增强定义为最短路径线性插值。为此，我们提出 PointMixup，一种通过两点云间路径函数的最优分配来生成新样本的插值方法。我们证明我们的 PointMixup 能找到两点云间的最短路径，且插值是分配不变且线性的。借助插值的定义，PointMixup 使得基于插值的强正则化项（如 mixup 和流形 mixup）得以引入点云领域。在实验上，我们展示了 PointMixup 在点云分类中的潜力，尤其在样本稀缺时，以及对点的噪声和几何变换的鲁棒性增强。PointMixup 的代码与实验细节已公开可用。