由于点云是不规则的和无序的,传统卷积无法直接作用到点云上,为了解决这个问题,我们从点云中学习一个X变换,以达成以下两个目的:1)获得点输入特征的权重;2)将点排列成一个潜在的正规顺序(实现了点云的置换不变形?)。之后就可以对点云X变换之后的特征进行经典的卷积运算。本文主要是对经典的CNN卷积进行推广,以从...
可以看到, 带 $\mathcal{X}-Conv$ 的模型性能显著比不带的要好,说明 $\mathcal{X}-Conv$ 是 PointCNN 取得成功的关键因素。 特征可视化结果 为了观察重排矩阵 $\mathcal{X}$ 的作用,作者随机选了15个代表点,使用 T-SNE 方法把不同 $P$ 输入顺序下得到的 $F_*$ 、 $F_o$(不经过 $\mathcal{X}...
1.Using Conv in Points Cloud directly 2.Hierarchical Convolution 3.X-Conv Operator 4.PointCNN Architectures 5.Experiments 一、Using Conv in Points Cloud directly 图1-1 图1-1是代表卷积的输入,图(i)是来自规则的网格,例如图像输入。图(ii-iv)是来自同一局部的点云输入 使用X-transformation对相对位置进...
图2上半部分是图像的CNN,通过conv提取特征,通过池化降采样。下半部分是PointCNN,通过X-Conv提取特征,通过降采样削减样本数量,但是每个点的特征却越来越丰富。PointCNN从F1中选取代表点集F2的方法,暂时的实现是:对分类问题,p2是p1的随机下采样;对语义分割问题,p2是p1的最远点采样。
PointCNN: Convolution On X-Transformed Points CNN之所以获得如此大的成功,关键在于他的Conv操作,该操作可以利用图像中密集表示的数据中的局部相关性,得到局部集合结构。此处的想法就是可不可以将其在PointCloud中应用该种想法。 X−ConvX−Conv来鹅城只为两件事:...
PointCNN：将卷积应用于点云的革新思路 点云数据的不规则性和无序性，导致传统卷积无法直接作用于点云之上。为解决此问题，作者引入了点云中的X变换，旨在实现以下两个目标：为点输入特征赋予权重，并实现点排列的潜在正规顺序。通过X变换，点云特征被转换并应用于经典卷积运算中，以此促进点云特征学习，...
PointCNN的创新在于其$\mathcal{X}$-Conv，它学习一个$K \times K$的特征重排矩阵，对点云中的任意输入顺序进行处理。对于下采样后的数据，分类任务采用随机采样，分割任务采用FPS策略。$\mathcal{X}$-Conv的输入包括代表点、最近邻点集、卷积核和特征，其操作流程包括一系列步骤，最终用公式表示。...
Di, and B. Chen, "PointCNN: Convolution On X-Transformed Points," in NIPS, 2018, pp. 828-838.Yangyan Li, Rui Bu, Mingchao Sun, Wei Wu, Xinhan Di, and Baoquan Chen. Pointcnn: Convolution on x-transformed points. In Advances in Neural Information Processing Sys- tems (NIPS), pages ...
PointCNN: Convolution On X-Transformed Points Created byYangyan Li, Rui Bu, Mingchao Sun, Wei Wu, Xinhan Di, andBaoquan Chen. Introduction PointCNN is a simple and general framework for feature learning from point cloud, which refreshed five benchmark records in point cloud processing (as of ...
Guibas,Pointnet:Deeplearningonpointsetsfor3dclassificationandsegmentation, in: 2017 IEEE...点云PCL免费知识星球,点云论文速读。 标题:Review:deeplearningon3Dpointclouds 作者:Saifullahi Aminu Bello 1;2 【点云】PointCNN: Convolution On X-Transformed Points ...