论文笔记：[CVPR 2019] PointConv： Deep Convolutional Networks on 3D Point Clouds

[CVPR 2019] PointConv： Deep Convolutional Networks on 3D Point Clouds. [tensorflow] [cls. seg.]火

1、四个问题

1. 解决什么问题
   • CNN使用卷积被证明是成功的，希望将卷积操作搬到3D数据上。
2. 用什么方法解决
   • 提出了一个在3D数据上的卷积算子，称为：PointConv
   • 用了内存更加高效的办法实现PointConv
   • 在PointConv上扩展到反卷积算子PointDeconv，来获得更加好的分割结果？
3. 效果如何
   • 在part segmentation 和 indoor semantic segmentation 取得state-of-the-art效果
4. 还存在什么问题
   • 没有考虑刚性变换如旋转平移？好像在实验中没看到

2、论文概述（待续…）

3、参考资料

翻译——PointConv：基于3D点云的深度卷积网络

PointConv: Deep Convolutional Networks on 3D Point Clouds （CVPR-2019）