Main idea
unsupervise的point feature提取器。思路是用encoder编码point cloud然后用codeword去指导一个2D grid折叠成原来的模样,构成decoder,然后训练一个SVM进行分类。
Main structure
Theoretical Analysis
- 证明这个网络是permutation invariant的(显而易见)
- 证明存在一个function可以把grid折叠成这个样子(没看懂)
Result
Classify Accuracy
Sparsity analysis
interpolation
就是算出source的codeword1(X_pa),target的codeword2(X_pb),然后得出
X
_
p
=
(
1
−
i
+
1
n
+
1
)
×
X
_
p
a
+
i
+
1
n
+
1
×
X
_
p
b
{\rm{X\_p}} = (1{\rm{ - }}\frac{{i{\rm{ + 1}}}}{{n{\rm{ + }}1}}) \times {\rm{X\_pa}} + \frac{{i{\rm{ + 1}}}}{{n{\rm{ + }}1}} \times {\rm{X\_pb}}
X_p=(1−n+1i+1)×X_pa+n+1i+1×X_pb,其中
i
=
1
⋯
n
i = 1 \cdots n
i=1⋯n。一共n个
X
_
p
{\rm{X\_p}}
X_p。再送入decoder得出点云。(除
n
+
1
n+1
n+1是因为2点之间插值
n
n
n个点,一共有
n
+
1
n+1
n+1个interval)
Grid analysis
就是因为这里的3D point都是从mesh上采的,所以本质是一个3D空间里的2D manifold,所以用2D grid去折效果就很不错了
Robust
在点云中加入5%的噪声之后,比较有graph layer和没有graph layer。graph layer增加了稳定性==(原因没想明白) ==