DAR-Net: Dynamic Aggregation Network for Semantic Scene Segmentation[Arxiv]

[论文链接]
\qquad 这篇文章中作者提出了一个支持动态特征聚合的网络DAR-Net。DAR-Net的核心思想是生成一个自适应的pooling skeleton，这个结构既考虑了场景的复杂结构也结合了局部几何特征。skeleton提供可变的半局部感受野和权重，成为了连接局部卷积特征提取器和全局循环特征聚合器的桥梁。

\qquad skeleton如上图所示，我的理解所谓skeleton就是一些能够反映点云集合特征的keypoint。

\qquad 网络的pipeline如上图所示，首先根据点云无监督、自适应地学习skeleton，使其合理分布在点云中。这个过程作用类似于从下图的a到b（node个数应人为指定）。

\qquad 然后从点云中学习局部的逐点特征，编码后的局部特征被动态地聚合到骨架中，作为信息抽象的中间尺度，得到node-wise的特征。

\qquad 定义 P N = { p i ∣ 0 < i ≤ N } P_N=\{p_i|0<i\leq N\} PN​={ pi​∣0<i≤N}为点云， S M = { s j ∣ 0 < j ≤ M } S_M=\{s_j|0<j\leq M\} SM​={ sj​∣0<j≤M}为pooling skeleton。$F^{agg-i}$为pointwise特征空间， F a g