大场景点云分割利器RandLA-Net（代训练）

RandLA-Net，一种高效且轻量级的神经网络架构，可以直接推断大规模点云的每个点的语义。方法的关键在于使用随机点采样，而不是更复杂的点选择方法。尽管随机采样在计算和内存方面非常高效，但也可能偶然丢弃关键特征。为了解决这个问题，我们引入了一种新颖的局部特征聚合模块，以逐步增加每个3D点的感受野，从而有效保留几何细节。大量实验表明，RandLA-Net可以在单次传递中处理100万个点，其速度比现有方法快200倍。此外，RandLA-Net在两个大规模基准Semantic3D和SemanticKITTI上的语义分割性能表现优越。