一个点云语义分割网络-论文整理SK-Net: Deep Learning on Point Cloud via End-to-end Discovery of Spatial Keypoints

论文整理SK-Net: Deep Learning on Point Cloud via End-to-end Discovery of Spatial Keypoints

该论文提出了 一个PDE模块+局部区域置换不变性+两个损失调节

1)PDE模块提取了局部区域细节特征和局部区域间空间特征
一个点云语义分割网络-论文整理SK-Net: Deep Learning on Point Cloud via End-to-end Discovery of Spatial Keypoints
2)做PED之前对局部区域细节特征M*256特征做max-pooling保证他们置换不变性
3)两个损失调节

a.为保证关键点skpoints能显著性分布,分别计算两个关键点间的距离和超参数作对比:
一个点云语义分割网络-论文整理SK-Net: Deep Learning on Point Cloud via End-to-end Discovery of Spatial Keypoints
b.尽量使关键点和它的邻域点间距离小一些:

一个点云语义分割网络-论文整理SK-Net: Deep Learning on Point Cloud via End-to-end Discovery of Spatial Keypoints