【论文阅读】【ICCV 2021】CurveNet：Walk in the Cloud： Learning Curves for Point Clouds Shape Analysis

1. 四个问题

1. 解决什么问题
   近年来有很多工作设计了高效的点云特征提取算子，对局部和全局的模式进行响应。然而却鲜有方法专注于捕获点云物体的形状和几何特征。隐示的几何特征表达有助于完善整个点云物体的表征，使得在下游基础任务中达到更精确的效果。
2. 用什么方法解决
   本文提出了一种长距离的点云特征提取算子，通过在与点云同构图(isomorphic graph)上进行有导向的游走(guided walk)，聚集出一系列固定数量和长度的弧线(curve)，来对点云整体特征补充额外的几何信息。
3. 效果如何
   CurveNet在三大基础的点云形状分析任务（ModelNet40分类，ShapeNet Part部分分割，ModelNet40法线预测）上均达到了SOTA效果
4. 还存在什么问题
   ？

2. 论文内容

参考ICCV 2021 | 表现SOTA！CurveNet：面向点云几何形状的长距离特征提取网络

3. 参考资料

论文原文

ICCV 2021 | 表现SOTA！CurveNet：面向点云几何形状的长距离特征提取网络

4. 收获

• 在提取点云局部特征上，常用的有local和non-local方法，本文认为这两种方法提取的信息不够，自己提出了一种操作子：Curve aggregation (ours），在根据ResNet-style的基础上堆叠模块形成自己的网络：CurveNet。

• 但是这个操作子的定义我着实没有看懂…，感染很复杂
• 只学到一点：当一个函数f(·)不知道怎么实现的时候，可以做成让网络自己学习，但是要可导