版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/Felaim/article/details/84954885
写文章肯定要motivation,既然说体素化方法,多视角的方法都有缺点,那么作者算是第一个使用点云作为输入的(≧▽≦)/啦啦啦
那么问题来了,点云输入有什么好,又有什么不好(当然是使用其他方法的paper里说的)
优点
1.非常的简单,并且有非常统一的结构,避免组合的不规则性和复杂性.在通常情况下,作为点云的输入,是以(x, y, z)三个坐标作为输入,当然也有颜色信息和法线信息,现在就以最简单的情况进行说明.label是对点进行标记的,对每个点都有对应的标记.当然这也对应不同的任务.如果是分类任务,单个物体的话,可能一个label也就够了,但是对于语义分割和物体部件分割还是要对于点进行label的.
缺点
1.点云的无序性,这个是点集的一个很重要的特性,尤其是在sample的时候,点云的输入顺序是不同的,所以要求是网络对于点云输入顺序是不敏感的,假设一个网络对点云输入敏感,那么网络的鲁棒性应该不会很高.所以作者提出,在网络的计算中,需要一种对称的函数,不同的点云输入顺序不改变最后的结果.如果在数学中应该是满足交换律的.在论文中使用的是max_pooling,最大池化,其实平均池化,最小池化都是满足交换律的.
这个其实也给使用卷积核的大小带来了难度,这个难以使用大卷积核进行卷积,因为输入的点云不像体素输入或者图片输入,存在可以用大卷积核来抽象出具体的空间的关系,这个可能也是后续要解决的一个问题.
恩,天气转凉,小伙伴们要注意身体O(∩_∩)O哈！以前身体是革命的本钱,现在身体是科研的本钱!!