Mining Point Cloud Local Structures by Kernel Correlation and Graph Pooling
Abstract
- PointNet没有充分利用包含丰富结构信息的局部邻域。
有以下两种解决方案: - 关注局部三维几何结构:与图像的卷积核类似,我们定义一个点集的核作为一个可学习的3D点的集合,这些点根据核相关测量的邻近数据点的几何亲和性共同响应一组相邻数据点,该方法改编自一种类似的点云配准技术。
- 第二种方法利用局部高维特征结构,使用空间位置上的临近关系找到邻近的点,然后根据该图去递归聚合特征。
Introduction
贡献:
- 提出一个核相关层去利用局部几何结构,其具有清晰的几何解释(图1和图3)。
- 提出一个基于图的池化层,利用局部特征结构来增强网络的鲁棒性。
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步