（还需要阅读代码）FoldingNet论文阅读

Main idea

unsupervise的point feature提取器。思路是用encoder编码point cloud然后用codeword去指导一个2D grid折叠成原来的模样，构成decoder，然后训练一个SVM进行分类。

Main structure

Theoretical Analysis

1. 证明这个网络是permutation invariant的（显而易见）
2. 证明存在一个function可以把grid折叠成这个样子（没看懂）

Result

Classify Accuracy

Sparsity analysis

interpolation

就是算出source的codeword1（X_pa），target的codeword2（X_pb），然后得出$\mathrm{X}\_\mathrm{p}=(1-\frac{i+1}{n+1})\times \mathrm{X}\_\mathrm{p}\mathrm{a}+\frac{i+1}{n+1}\times \mathrm{X}\_\mathrm{p}\mathrm{b}$，其中$i=1\cdots n$。一共n个$\mathrm{X}\_\mathrm{p}$。再送入decoder得出点云。（除$n+1$是因为2点之间插值$n$个点，一共有$n+1$个interval）

Grid analysis

就是因为这里的3D point都是从mesh上采的，所以本质是一个3D空间里的2D manifold，所以用2D grid去折效果就很不错了

Robust

在点云中加入5%的噪声之后，比较有graph layer和没有graph layer。graph layer增加了稳定性==（原因没想明白） ==