Custom自定义

『写在前面』提出一种应用在点云数据上的，高度近似传统2d-Conv操作的卷积运算符PointConv。并且同时给出了PointConv的反卷积版本，最终在点云分类、点云语义分割等任务上都达到了与SOTA相当的效果，ModelNet-40分类任务上同CVPR 2019的RSCNN精度更高93.6% vs 92.5%（PointConv）。作者机构：Wenxuan Wu等，Oregon St...

Abstract传统CNNs成功之处在于利用了空间局部相关性而点云数据往往不规则且无序，如果直接应用传统的卷积运算，不但会丢失形状信息，还会受到点集顺序变化的影响为了解决上述问题，本文提出了X-transformation，并且结合传统的卷积运算，构成X-conv模块，也就是PointCNN的building block。1 Introduction在某些情况下，使用p...

『写在前面』继续学习基于深度学习的点云分割算法~~~在PointCNN之后，依次阅读了PointNet、PointNet++和Frustum Pointnets三部曲，然后才看的D-CNN。鉴于“三部曲”的篇幅较长且相关blog已经有很多朋友写过，今天我就先把D-CNN给码了，后面有时间再整理。本篇blog为方便自己回忆要点用，建议参照原版paper使用。欢迎各位指正纰漏。作者repo：...

『写在前面』无意间看到了《深度学习在点云分割中的应用》干货总结，原视频为SGPN原作者的技术分享，便搜来仔细研读一番~ SGPN是首个使用原始点云作为输入的实例分割网络，本篇blog为方便自己回忆要点用，建议参照原版paper使用。欢迎各位指正纰漏。论文出处：CVPR 2018作者机构：Weiyue Wang等，University of Southern California原...

『写在前面』点云深度学习基石，一举统一了点云深度学习的整体框架，即以原始点云作为输入，输出点集或各个点的类别信息。作者机构：Charles R. Qi等，Stanford University文章标题：《PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation》论文出处：CVPR 20...