简介
这也是一篇在PointNet基础上进行模型分割的论文。它的流程是,首先使用PointNet和PointNet++找到每个点对应的特征。然后对特征两两求差,得到相似性矩阵,它表示了一对点是不是属于同一类物体。除相似性矩阵外,SGPN还有一个置信向量,来表示点是否属于模型的一部分(而不是背景);以及一个语义分割矩阵,给同一类的部分打上同样的label。
方法
SGPN简单且符合直观,它的结构如下图所示。对于有NpN_pNp个点的点云PPP,它首先使用PointNet得到每个点上的特征,维度为Np×NfN_p \times N_fNp×Nf。对于这一特征矩阵,我们分别在计算相似性矩阵、置信向量和语义分割矩阵时称之为FSIMF_{SIM}FSIM、FCFF_{CF}FCF和FSEMF_{SEM}FSEM,并分别得到对应的三种损失函数LSIML_{SIM}LSIM、LCFL_{CF}LCF和LSEML_{SEM}LSEM,它们的和即为总的损失函数。

相似性矩阵
两个点的相似性由两个点特征向量差的L2L_2L2范式。即对于点PiP_iPi和PjP_jPj,它们的特征向量为FSIMiF_{SIM_i}FSIMi和FSIMjF_{SIM_j}FSIMj,则相似性矩阵SSS为
Sij=∣∣FSIMi−FSIMj∣∣2 S_{ij} = || F_{SIM_i} - F_{SIM_j} ||_2 <