【点云识别】Adaptive Hierarchical Down-Sampling for Point Cloud Classification(CVPR 2020)

Adaptive Hierarchical Down-Sampling for Point Cloud Classification

本文介绍一篇cvpr2020里面关于点云分类降采样的文章。
论文
没有开源代码

1. 问题

FPS的时间复杂度太高，类似Samplenet 的方法会产生新的点，随机采样无法保证重要的点被保留下来。所以本文提出了一种不产生新的点的采样方法。

2. 思想

整体思想非常简单，借鉴pointnet中最后的maxpooling操作。将每个feature属性最max的点视为critical points，只保留这些点，从而完成sampling的操作，将其定义为Critical Points Layer。但是我们都知道，在batch 操作中，点的数目必须相同，所以他必须将采样之后点的数目固定，如果不够就进行upsampling。进一步考虑，有的点可能在10个feature channel上都是argmax，如何进一步体现其importance就需要weight。所以作者又提出了加强版Weighted Critical Points Layer，一个point是几个feature channel的argmax就将其重复几次，从而增大在downsa