qimingxia的博客

点云特征学习（二）–SPG论文阅读笔记目录点云特征学习（二）--SPG论文阅读笔记一，挑战二，方法2.1 Geometric Partition with a Global Energy2.2 Superpoint Graph Construction2.3 Superpoint Embedding一，挑战在SPG工作时间节点之前，PointNet，PointNet++等深度学习方法虽然能够较好完成点云语义分割任务，但是受限于点云输入大小规模的限制，无法在大规模语义分割任务中也保持同样的优异表现。为了

点云特征学习–PointCNN 论文学习笔记一，挑战卷积能够有效提取2D图像中局部上下信息，获取局部空间相关性。但是由于点云数据不规则，无序（irregular, unordered）的特点, 卷积不适合应用于点云数据。具体原因如下：图(i)表示2D图片的情况，此时，四个点的位置顺序是固定的。对于点云，其位置顺序有很多可能，如图(ii, iii, iv)所示。如果对图(ii, iii, iv)执行Convolution操作：显然可以从卷积的角度得到：1）$ f_{ii} \equiv f_{i