S3I-PointHop：用于三维点云分类的 SO(3) 不变 PointHop
计算机视觉与模式识别
2023-02-23 v1
摘要
许多点云分类方法是在假设数据集中所有点云均与规范坐标轴良好对齐的前提下开发的，从而可利用三维笛卡尔点坐标来学习特征。当输入点云未对齐时，分类性能会显著下降。在本工作中，我们关注一种数学上透明的点云分类方法 PointHop，分析其因姿态变化而失效的原因，并通过将其姿态相关模块替换为旋转不变模块来解决该问题。所提方法命名为 SO(3)-Invariant PointHop（简称 S3I-PointHop）。我们还使用仅单个 hop 配合多种空间聚合技术，显著简化了 PointHop 流程。利用更多空间信息的思路是新颖的。在 ModelNet40 数据集上的实验证明了 S3I-PointHop 优于传统类 PointHop 方法。
引用
@article{arxiv.2302.11506,
title = {S3I-PointHop: SO(3)-Invariant PointHop for 3D Point Cloud Classification},
author = {Pranav Kadam and Hardik Prajapati and Min Zhang and Jintang Xue and Shan Liu and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2302.11506},
year = {2023}
}
备注
5 pages, 3 figures