重振pointnet++雄风！PointNeXt: Revisiting PointNet++ with ImprovedTraining and Scaling Strategies

PointNeXt: Revisiting PointNet++ with Improved

Training and Scaling Strategies

Abstract

PointNet++是理解点云最有影响力的神经架构之一。虽然PointNet++的准确性已被PointMLP和Point Transformer等最新网络大大超越，但我们发现，性能提高的很大一部分是由于改进了培训策略，即数据扩充和优化技术，以及增加了模型大小，而非架构创新。因此，PointNet++的全部潜力还有待挖掘。在这项工作中，我们通过对模型训练和缩放策略的系统研究，重新审视了经典的PointNet+，并提供了两个主要贡献。首先，我们提出了一组改进的培训策略，可以显著提高PointNet++的性能。例如，我们表明，在不改变体系结构的情况下，PointNet++对ScanObjectNN对象分类的总体准确率（OA）可以从77.9%提高到86.1%，甚至优于现有的PointMLP。其次，我们将倒残差瓶颈设计和可分离的MLP引入pointnet++，以实现高效的模型缩放，并提出了point net的下一个版本PointNeXt。PointNeXt可以灵活扩展，在3D分类和分割任务上都优于最先进的方法。对于分类，PointNeXt在ScanObjectNN上的总体准确率达到87.7%，超过PointMLP 2.3%，同时推理速度提高了10倍。对于语义分割，PointNeXt在S3DIS上建立了一个新的最先进的性能，平均IoU为74.9%（6倍交叉验证），优于最近的Point Transformer。

1简介

3D数据采集的最新进展导致对点云理解的兴趣激增。随着PointNet[31]和PointNet++[32]的兴起，使用深层CNN以非结构化格式处理点云成为可能。继“point net”之后，引入了许多基于点的网络，其中大多数侧重于开发新的复杂模块以提取局部结构，例如KPConv中的伪网格卷积[47]和point Transformer中的自注意力层[62]。这些新提出的方法在各种任务中的表现都大大优于PointNet+，给人的印象是，PointNet++体系结构太简单，无法学习复杂的点云表示。在这项工作中，我们重新审视了经典且广泛使用的网络PointNet++，并发现其全部潜力尚待挖掘，主要是由于在PointNet++时代还没有出现两个因素：

（1）卓越的训练策略

（2）有效的模型缩放策略架构的更改。

例如，在训练过程中随机dropping color会意外地将PointNet++的测试性能提高5.9%的平均IoU（mIoU），如表5、1所示。此外，采用标签平滑[43]可以将ScanObjectNN[48]的总体精度（OA）提高1.3%。这些发现启发我们重新审视PointNet+，并为其配备当今广泛使用的新的高级培训策略。令人惊讶的是，如图1所示，在ScanObjectNN上，仅使用改进的训练策略就可以将PointNet++的OA提高8.2%（从77.9%提高到86.1%），从而在不改变架构的情况下建立新的SOTA（详情请参阅第4.4.1节）。对于S3DIS细分基准，通过6倍交叉验证在所有领域评估的mIoU可以增加13.6%（从54.5%增加到68.1%），优于PointNet++之后的许多现代体系结构，如PointCNN[21]和DeepGCN[20]。

图1：训练策略和模型缩放对PointNet++的影响[32]。我们表明，改进的训练策略（数据扩充和优化技术）和模型缩放可以显著提高PointNet++的性能。ScanObjectNN[48]和S3DIS[1]报告了平均总体精度和mIoU（6倍交叉验证）。

此外，我们观察到，当前流行的点云分析模型[19、47、62]采用的参数比原始point net[31、32]多得多。有效地将PointNet++从原来的小规模扩展到更大的规模是一个值得研究的主题，因为通常期望更大的模型能够实现更丰富的表示，并且性能更好[2，18，61]。然而，我们发现，在PointNet++中使用更多构建块或增加通道大小的天真方法只会导致延迟开销，而准确性没有显著提高（请参见第4.4.2节）。为了有效地扩展模型，我们在PointNet++中引入了残差连接[14]、反向瓶颈设计[40]和可分离的MLP[34]。这种现代化的架构被命名为PointNeXt，是PointNets的下一个版本。PointNeXt可以灵活扩展，在各种基准上都优于SOTA。如图1所示，PointNeXt在S3DIS上将原来的PointNet++提高了20.4%mIoU（从54.5%提高到74.9%）[1]6倍，在ScanObjecNN上实现了9.8%的OA增益[48]，超过了SOTA Point Transformer[62]和PointMLP[29]。下面我们总结一下我们的贡献：

我们首次对点云域中的训练策略进行了系统研究，结果表明，仅通过采用改进的训练策略，PointNet++就可以起效果（ScanObjectNN上的OA为8.2%，S3DIS上的mIoU为13.6%）。改进后的培训策略是通用的，可以很容易地应用于改进其他方法[31、51、29]我们提出PointNeXt，即point net的下一个版本。PointNeXt具有可扩展性，在所研究的所有任务上都优于SOTA，包括对象分类[48]、语义分割[1]和部分分割[59]，同时推理速度也比SOTA快。

2初步：回顾PointNet ++

我们的PointNeXt是基于PointNet++[32]构建的，它使用类似U-Net[39]的架构，带有编码器和解码器，如图2所示。编码器部分使用多个集合抽象（SA）块分层抽象点云的特征，而解码器通过相同数量的特征传播块逐步插值抽象的特征。SA块包括一个用于对输入点进行下采样的子采样层、一个用于查询每个点的邻居的分组层、一组用于提取特征的共享多层感知器（MLP）以及一个用于聚合邻居中的特征的简化层。分组层、MLPs和还原层的组合公式如下：

其中，R是还原层（例如，最大池），该还原层从点i的邻域（表示为聚合点i的特征。分别是网络第lth层的输入坐标、输入特征和邻居j的特征。hΘ表示采用和相对坐标串联的共享mlp作为输入。请注意，由于具有单标度分组的PointNet++每个阶段使用一个SA块是原始论文中使用的默认体系结构[32]，因此我们通篇将其称为PointNet++，并将其用作基线。

3方法论：从PointNet++到PointNeXt

在本节中，我们将介绍如何将经典体系结构PointNet++[32]现代化为PointNeXt，这是具有SOTA性能的PointNet++的下一个版本。我们的探索主要集中在两个方面：

（1）训练更新化，以改进数据扩充和优化技术；

（2）架构更新化，以探索感受野缩放和模型缩放。这两个方面对模型的性能都有重要影响，但之前的研究对其探索不足。

3.1训练现代化：PointNet++的反击

我们进行了一项系统研究，以量化现代点云网络使用的每种数据增强和优化技术的效果[51、47、62]，并提出一套改进的培训策略。通过采用我们提出的培训策略，可以揭示PointNet++的潜力。

3.1.1数据扩充数据

扩充是提高神经网络性能的最重要策略之一；因此，我们从那里开始现代化。最初的PointNet++对各种基准测试使用了来自随机旋转、缩放、平移和抖动的数据扩展的简单组合。最近的方法采用了比PointNet++中使用的方法更强的扩充。例如，KPConv[47]在训练过程中随机掉色，Point BERT[60]使用公共点重采样策略从原始点云中随机采样1024个点以进行数据缩放，而RandLA Net[15]和Point Transformer[62]加载整个场景作为分割任务的输入。在本文中，我们通过加性研究量化了每个数据增加的效果。

我们以PointNet++[32]为基线开始研究，并使用原始数据扩充和优化技术进行训练。我们删除每个数据扩充以检查它是否必要。我们添加了有用的增强，但删除了不必要的增强。然后，我们系统地研究了代表性作品中使用的所有数据增强[51、47、34、62、29、60]，包括数据缩放，如点重采样[60]和加载整个场景作为输入[15]、随机旋转、随机缩放、平移点云、抖动以向每个点添加独立噪声，高度附加[47]（即，沿物体重力方向附加每个点的测量值作为附加输入特征）、自动调整颜色对比度的颜色自动对比度[62]和随机用零值替换颜色的颜色下降。我们以增量方式验证了数据扩充的有效性，并且只保留提供更好验证准确性的扩充。在本研究的最后，我们为每个任务提供了一组数据扩充，以最大限度地提高模型的性能。4.4.1详细介绍和分析未发现的调查结果。

3.1.2优化技术优化

技术包括损失函数、优化器、学习率调度器和超参数，对神经网络的性能也至关重要。PointNet++在其整个实验中使用了相同的优化技术：交叉熵损失、Adam优化器[16]、指数学习率衰减（阶跃衰减）和相同的超参数。由于机器学习理论的发展，现代神经网络可以使用理论上更好的优化器（如AdamW[28]vs.Adam[16]）和更好的损失函数（带标签平滑的交叉熵[43]）进行训练。与我们对数据扩充的研究类似，我们还量化了每种现代优化技术对PointNet++的影响。我们首先对学习率和权重衰减进行顺序超参数搜索。然后，我们对标签平滑、优化器和学习速率调度器进行加性研究。我们发现了一组改进的优化技术，通过可观的差额。标签平滑、AdamW和余弦衰减的交叉熵通常可以提高各种任务的性能。参见第。4.4.1详细的消融实验和发现。

*建议的PointNeXt与经典的PointNet++之间的差异以红色边框突出显示。

图2:PointNeXt架构。PointNeXt与PointNet++[32]共享相同的集合抽象和特征传播块，同时在开始时添加额外的MLP层，并使用建议的反向剩余MLP（InvResMLP反向残差mlp）块扩展架构。这里，我们以PointNeXt为例进行分段。有关分类架构，请参阅附录。

3.2架构现代化：小修改→ 重大改进

在本小节中，我们将PointNet++[32]现代化为拟议的PointNeXt。现代化包括两个方面：

（1）感受野标度

（2）模型标度。

3.2.1感受野标度

感受野是神经网络设计空间中的一个重要因素[42，8]。在点云处理中，至少有两种方法可以缩放感受野：

（1）采用更大的半径查询邻域。

（2）采用层次结构。

由于原始的PointNet++采用了层次结构，因此本小节主要研究（1）。请注意，PointNet++的半径设置为初始值r，该值在点云下采样时加倍。我们研究了每个基准中不同的初始值，发现半径是特定于数据集的，可以对性能产生重大影响。第4.4.2.节对此进行了详细阐述。此外，我们发现相对坐标使网络优化更加困难，导致性能下降。因此，我们建议规范化∆p乘以半径：

如果没有归一化，相对坐标的值相当小（小于半径），需要网络学习更大的权重以应用于∆p、 这使得优化变得非常重要，尤其是因为权重衰减用于减少网络的权重。建议的归一化还减少了∆p在不同阶段之间。

3.2.2模型缩放

PointNet++是一个相对较小的网络，其中编码器仅由分类体系结构中的2个阶段和用于分段的4个阶段组成。每个阶段仅由1个SA块组成，每个块包含3层MLP。用于分类和分段的PointNet++模型大小都小于2M，这比通常使用超过10M参数的现代网络要小得多[47、29、34]。有趣的是，我们发现，添加更多SA块或使用更多通道都不会显著提高精度，同时导致吞吐量显著下降（参见第4.4.2节），主要原因是梯度消失和过度拟合。因此，在本小节中，我们将研究如何以有效的方式扩展PointNet++。我们建议在每个阶段的第一个SA块之后附加一个反向残差MLP（InvResMLP）块，以实现有效的模型缩放。InvResMLP构建在SA块上如图2中下部所示。InvResMLP和SA之间有三个区别。

（1） 在输入和输出之间添加一个残差网络连接，以缓解消失梯度问题，尤其是当网络更深时。

（2） 为了减少计算量和加强逐点特征提取，引入了可分离的MLP。虽然原始SA块中的所有3层MLP都是基于邻域特征计算的，但InvResMLP将MLP分为一个基于邻域特征计算的层（分组层和缩减层之间）和两个用于点特征的层（缩减后），这是受ASSANet[34]和ConvNeXt[27]启发的。

（3） 利用反向瓶颈设计将第二个MLP的输出通道扩展了4倍，以丰富特征提取。与附加原始SA块相比，附加InvResMLP块可显著提高性能（见第4.4.2节）。

除了InvResMLP之外，我们还介绍了宏观（巨大）体系结构中的三个变化。

（1）我们统一了用于分类和分割的PointNet++编码器的设计，即将用于分类的SA块的数量从2个缩放到4个，同时在每个阶段保持用于分割的原始数量（4个块）。

（2）我们使用了一个对称解码器，其中它的信道大小被改变以匹配编码器。

（3）我们添加了一个stem MLP，即在体系结构开始处插入的附加MLP层，以将输入点云映射到更高的维度。

总之，我们介绍了PointNeXt，这是PointNet的下一个版本[31，58]，它是通过合并建议的InvResMLP和前面提到的宏观体系结构更改从PointNet++修改而来的。PointNeXt的架构如图2所示。我们将stem MLP的通道大小表示为C，InvResMLP块的数量表示为B。C越大，网络的宽度越大（即宽度缩放），而B越大，网络的深度越大（即深度缩放）。请注意，当B=0时，每个阶段仅使用一个SA块，

块。SA块中的MLP层数设置为2，并在每个SA块内添加剩余连接。当B ≠0时，InvResMLP块附加在原始SA块之后。在这种情况下，SA块中的MLP层数设置为1以节省计算成本。PointNeXt系列的配置总结如下：

4 Experiments

我们在三个标准基准上评估PointNeXt：用于语义分割的S3DIS[1]，用于现实世界对象分类的ScanObjectNN[49]，以及用于对象部分分割的ShapeNet part[3]。

实验设置。我们使用交叉熵损失和标签平滑来训练PointNeXt[43]，AdamW优化器[28]，初始学习率lr=0.002，权重衰减10−4，具有余弦衰减，批大小为32，用于所有任务，除非另有规定。选择验证集中的最佳模型进行测试。对于S3DIS分割，点云按照常规做法以0.04m的体素大小进行体素下采样[47、34、62]。PointNeXt以初始lr=0.01进行训练，训练时间为100个历元，每批使用固定数量的点数（24000），批量大小为8作为输入。在训练过程中，通过在每次迭代中查询随机点的最近邻居来获得输入点。根据Point Transformer[62]，我们使用整个场景作为输入来评估PointNeXt。对于ScanObjectNN分类，PointNeXt使用0.05的权重衰减训练250个时代。在点BERT[60]之后，输入点的数量设置为1024，其中点在训练期间随机采样，在测试期间均匀采样。对于ShapeNetPart零件分割，我们对PointNeXt进行训练，批量大小为64，用于400个时代。在PointNet++[32]之后，2048个随机采样点和法线被用作训练和测试的输入。有关S3DIS、ScanObjectNN和ShapeNet部分中使用的数据扩充的详细信息，请参见第节。4.4.1.

对于所有实验，我们不进行任何投票[22]2，因为比较模型的性能更为标准，而不使用SimpleView[10]建议的任何集成方法。我们还提供了模型参数（参数）和推理吞吐量（每秒实例数）进行比较。所有方法的吞吐量都是使用128×1024（批量大小128，点数1024）作为ScanObjectNN上的输入和ShapeNetPart上的64×2048来测量的。在S3DIS上，16×15000个点用于测量[34]之后的吞吐量，因为有些方法[51，19]由于内存限制，无法处理整个场景。所有方法的吞吐量都是使用NVIDIA Tesla V100 32GB GPU和32核Intel Xeon@2.80GHz CPU测量的。

4.1 S3DIS上的三维语义分割

S3DIS[1]（斯坦福大学大型3D室内空间）是一个具有挑战性的基准，由6个大型室内区域、271个房间和13个语义类别组成。S3DIS上的标准6倍交叉验证结果如表所示。1、请注意，官方的PointNet++[32]没有在S3DIS上进行实验。这里，我们使用PointCNN报道的结果进行比较。我们的小型变体PointNeXt-S在平均IoU（mIoU）、总体准确度（OA）和平均准确度（mAcc）方面分别比PointNet++高出13.5%、6.4%和10.2%，而在吞吐量方面则更快。速度的提高是由于PointNeXt-S的SA块中的层数减少（见第3.2.2节）。通过提出的模型缩放，PointNeXt的性能可以逐步提高。例如，PointNeXt-L在mIoU中比SOTA Point Transformer[62]快0.4%，同时比SOTA Point Transformer快3倍。请注意，Point Transformer利用了我们大多数改进的培训策略。超大变型PointNeXt XL设定了新的SOTA性能，mIoU \OA \mAcc为74.9%\90.3%\83.0%，同时运行速度比Point Transformer快。作为一个限制，我们的PointNeXt XL包含更多的参数，并且在触发器方面的计算成本更高，这主要是由于反向瓶颈中的通道扩展（×4）和通道大小加倍（C=64）。参见第。4.4关于PointNeXt在S3DIS 5区的结果，以及与SOTA进行比较的附录。

表1:S3DIS上6倍交叉验证的语义切分。我们的PointNeXt相对于PointNet++[32]的改进以绿色突出显示。方法按时间顺序排列。

4.2 ScanObjectNN上的3D对象分类

ScanObjectNN[49]包含约15000个实际扫描对象，这些对象分为15个类，有2902个唯一的对象实例。由于遮挡和噪声，ScanObjectNN对现有的点云分析方法提出了重大挑战。根据PointMLP[29]，我们在PB\U T50\U RS上进行了实验，PB\U T50\U RS是ScanObjectNN最硬和最常用的变体，并报告了三次随机运行的平均值±std。如表中所述。2、提出的PointNeXt-S在OA和mAcc方面都超过了现有方法，具有非常大的裕度，同时使用的模型参数更少，运行速度更快。PointNeXt以PointNet++[32]为基础，与最初报告的PointNet++性能相比，实现了显著的改进，即OA提高了9.8%，mACC提高了10.4%。这证明了所提出的训练和模型缩放策略的有效性。PointNeXt也优于SOTA PointMLP[29]（即OA增加2.3%，mACC增加1.9%），同时运行速度提高10倍。

这表明PointNeXt是一个简单但有效的基线。请注意，我们没有在这个基准测试中使用升级的PointNeXt变体，因为我们发现使用PointNeXt-S的性能已经饱和，这主要是由于数据集的规模有限。

4.3 ShapeNet零件上的三维对象零件分割

ShapeNet part[59]是一个用于零件分割的对象级数据集。它由16个不同形状类别的16880个模型组成，每个类别有2-6个零件，总共有50个零件标签。如表所示。3，我们的默认宽度（C=32）的PointNeXt-S的性能与SOTA CurveNet的性能相当[56]，并且在实例平均IoU（Ins.mIoU）和吞吐量方面都优于大量有代表性的网络，如KPConv[47]和ASSANet[34]。此外，通过将宽度从32增加到64，PointNeXt的性能优于CurveNet，同时速度超过4倍。同样值得强调的是，宽度更大（C=160）的PointNeXt达到87.2%英寸。mIoU，而基于点的方法的性能多年来一直饱和在87%以下。

4.4烧蚀与分析

表4和表5分别对ScanObjectNN[48]和S3DIS[1]提出的训练和缩放策略进行相加研究。我们采用原始的PointNet++作为基线。在ScanObjectNN上，PointNet++最初使用交叉熵损失、Adam优化器、学习率1e-3、权重衰减1e-4、每20个历元阶跃衰减0.7、批次大小16（250个历元）进行训练，同时使用随机旋转和抖动作为数据增强。官方的PointNet++没有在S3DIS数据集上进行实验。我们参考了广泛使用的重新实现[58]，其中PointNet++使用与ScanObjectNN相同的设置进行训练，除了仅使用随机旋转作为增强。注意，对于所有实验，我们在ScanObjectNN上训练了250个时代的所有模型，在S3DIS上训练了100个时代的模型。由于间距有限，我们将ShapeNet零件的详细烧蚀研究留在附录中。

4.4.1培训策略

数据扩充是我们为使PointNet++现代化而研究的第一个方面。根据表中的观察结果，我们得出四个结论。表4和表5。

（1）数据缩放可提高分类和分段任务的性能。例如，在ScanObjectNN上，点重采样可以将性能提高2.5%。将整个场景作为输入，而不是像PointNet++[32]和其他以前的工作[47、20、34]那样使用块或球体子采样输入，可以将分割结果提高1.1个百万像素。

（2）高度附加提高了性能，尤其是在对象分类方面。高度附加使网络了解实际大小从而提高了精确度（+1.1%OA）。

（3）颜色下降是一种强大的增强，可以显著提高有颜色的任务的性能。在S3DIS区域5上，仅采用颜色下降即可增加5.9%的mIoU。我们假设，颜色下降会迫使网络更加关注点之间的几何关系，从而提高性能。

（4）更大的模型支持更强的数据扩充。虽然随机旋转会使S3DIS上的PointNet++性能降低0.3%mIoU（表5数据扩充部分的第二行），但它对更大规模的模型是有益的（例如，在PointNeXt-B上提高1.5%mIoU）。ScanObjectNN上的另一个示例显示，消除随机抖动也会增加1.1%的OA。总的来说，随着数据的增强，ScanObjectNN上的PointNet++的OA和S3DIS区域5上的mIoU分别增加了5.8%和9.5%。

优化技术

包括损失函数、优化器、学习率调度器和超参数。如表所示。4和5、标签平滑、AdamW[28]优化器和余弦衰减始终可以提高分类和分割任务的性能。这表明，较发达的优化方法，如标签平滑和AdamW，通常都适合优化神经网络。与阶跃衰减相比，余弦衰减也更容易调整（通常只需要初始和最小学习速率），并且可以实现与阶跃衰减类似的性能。关于超参数，使用大于PointNet++中使用的学习速率可以提高S3DIS上的分段性能。

总的来说，我们的训练策略包括更强的数据扩充和现代优化技术，可以将PointNet++在ScanObjectNN数据集上的性能从77.9%提高到86.1%，显著超过SOTA PointMLP 0.7%。S3DIS区域5和S3DIS 6倍（如图1所示）上的mIoU分别提高了11.7和13.6个绝对百分比。我们的观察结果表明，经典PointNet++和SOTA之间的性能差距很大一部分是由于训练策略造成的。

推广到其他网络。虽然这些训练策略是针对PointNet++[32]提出的，但我们发现它们可以应用于其他方法，如PointNet[31]、DGCNN[51]和PointMLP[29]，并提高其性能。ScanObjectNN[48]验证了这种通用性。如表6所示。有代表性的方法的OA都可以通过我们的培训策略来提高。

表6：改进培训策略的可推广性。报道了用改进的训练策略训练的网络在ScanObjectNN上的OA。

4.4.2模型缩放

感受野缩放包括半径缩放和归一化∆p在等式中定义。（2） ，也在表4和5中验证。。radius是特定于数据集的，而将radius从0.2缩小到0.15可以在ScanObjectNN上提高0.3%的OA，保持radius为0.1可以在S3DIS上获得最佳性能。关于规范化∆p、它改进了在ScanObjectNN和S3DIS上的性能分别提高了0.3个OA和0.4个mIoU。此外，在表7中。我们展示了规范化∆p对更大的模型PointNext XL有更大的影响（S3DIS数据集上有230万个）。

模型缩放

通过建议的InvResMLP和一些宏观架构更改（见第3.2.2节）缩放PointNet+。在表中。4，我们表明，在ScanObjectNN上，使用stem MLP、对称解码器和SA块中的剩余连接的PointNeXt-S将OA提高了1.0%。通过使用建议的InvResMLP的更多块来放大PointNeXt-S，可以进一步展示大规模S3DIS数据集的性能（从63.8%到70.5%mIoU），如表4所示，此外表7，我们使用性能最佳的模型PointNeXt XL作为基线，在S3DIS区域5上烧蚀拟定InvResMLP区块的每个组件和不同的阶段比率。正如所观察到的，每一个架构更改都确实有助于提高性能。在所有变化中，剩余连接是最重要的，没有剩余连接，mIoU将从70.5%降至64.0%。可分离MLP将mIoU增加3.9%，同时将网络速度提高了3倍。从基线移除反向瓶颈会导致mIoU下降1.5%，速度提升不到1%。表7还显示了朴素宽度缩放的性能，它将PointNet++的宽度从32增加到256以匹配PointNeXt XL的吞吐量，朴素深度缩放在PointNet++中添加更多SA块以获得相同数量的PointNeXt XL块（B=（3，6，3，3）），朴素复合缩放将朴素深度缩放模型的宽度增加一倍，达到与PointNeXt XL相同的宽度64。我们提出的模型缩放策略比这些朴素的缩放策略实现了更高的性能，同时速度更快（比较PointNeXt XL和朴素的复合缩放）。

5相关工作

与基于体素的方法[11、6]和基于多视图的方法[41、13、10]相比，基于点的方法直接使用非结构化格式处理点云。PointNet[31]是基于点的方法的先驱，它提出通过将特征提取限制为逐点的方式，用共享MLP对点的置换不变性进行建模。PointNet++[32]通过捕获局部几何结构来改进PointNet。目前，大多数基于点的方法侧重于局部模块的设计。[51、50、33]依赖于图形神经网络。[57、21、47、46]将点云投影到伪网格上，以允许进行规则卷积。[53、22、23]通过局部结构确定的权重自适应聚合邻域特征。此外，最近的方法利用transformer式网络[62，17]通过自我关注提取局部信息。我们的工作并没有遵循局部模块设计的这一趋势。相比之下，我们将注意力转移到另一个重要但基本上未得到充分探索的方面，即培训和扩展策略。

最近关于图像分类的文献[2，52，27]研究了训练策略。在点云领域，SimpleView【10】首次表明训练策略对神经网络的性能有很大影响。然而，SimpleView只是采用了与DGCNN相同的训练策略【51】。相反，我们进行了系统研究，量化了每种数据增强和优化技术的效果，并提出了一套改进的培训策略，以提高PointNet++[32]和其他代表性作品的性能[31、51、29]。

模型缩放可以显著提高网络的性能，如各领域的开创性工作所示[44、61、20]。与使用参数小于2M的PointNet++[32]相比，当前大多数主流网络由大于10m的参数组成，如KPConv[47]（15M）和PointMLP[29]（13M）。在我们的工作中，我们探索了能够以有效的方式扩展PointNet++的模型扩展策略。我们提供了有关可提高性能的扩展技术的实用建议，即使用剩余连接和反向瓶颈设计，同时使用可分离的MLP保持吞吐量。

6 结论与讨论

在本文中，我们证明了通过改进训练和缩放策略，可以提高PointNet++的性能，使其超过当前的技术水平。更具体地说，我们量化了目前广泛使用的每种数据增强和优化技术的效果，并提出了一套改进的训练策略。这些策略可以很容易地应用于提高PointNet++和其他代表性作品的性能。我们还将反向剩余MLP块引入PointNet++以开发PointNeXt。我们证明了PointNeXt在保持高吞吐量的同时，在各种基准上比PointNet++具有更高的性能和可扩展性。这项工作旨在引导研究人员更加关注培训和缩放策略的效果，并激励未来在这方面的工作。

限制

尽管PointNeXt XL是所有有代表性的基于点的网络中最大的模型之一[32、47、15、62]，但其参数数量（44M）仍低于图像分类中小型网络的参数数量，如SWN-S[24]（50M）、ConNeXt-S[27]（50M）和ViT-B[9]（87M），并且与它们的大型变体（包括SWN-L（197M）、ConNeXt XL（350M）和ViT-L（305M）相去甚远。在这项工作中，我们没有进一步扩大模型的规模，主要是因为点云数据集的规模比其较大的图像数据集（如ImageNet）更小。此外，我们的工作仅限于现有模块，因为重点不是引入新的架构更改。

PointNeXt：通过改进的培训和扩展策略重新访问PointNet++

在本附录中，我们提供了补充主要手稿的其他内容：

1. 附录A：一项关于在ShapeNet上依次将培训和缩放策略应用于PointNet++[32]的附加研究[59]
2. 附录B:S3DIS区域5【1】和ModelNet40【54】数据集的附加实验
3. 附录C：表格7的详细说明。
4. 附录D：先前代表性作品和PointNeXt的培训策略比较。
5. 附录E:S3DIS和ShapeNet部分的定性比较
6. 附录F：分类的PointNeXt架构
7. 附录G：社会影响。

附录A  ShapeNetPart的加性研究

我们对Tab中的ShapeNet Part[59]分割顺序应用训练和缩放策略进行了加性研究。

一、 基准point net++[32]最初通过随机缩放和平移增强进行训练，并达到85.1%的实例平均IoU（Ins.mIoU）。通过在不改变架构的情况下应用所提出的培训策略，我们将其性能提高到86.6%（+1.5%）。高度附加数据增强和AdamW优化器可以极大地提高ShapeNet部件的性能（+0.3英寸兆欧）。正交化∆p还将PointNet++的性能提高了0.1%。米欧。模型缩放后， PointNeXt的Ins. mIOU进一步增加到87.2%（比PointNet++高出0.6%），超过了最先进的CurveNet[56]。

表一：在ShapeNet零件上顺序应用训练和模型缩放策略进行对象零件分割的相加研究。我们使用浅绿色、紫色、黄色和粉色背景分别表示数据增强、优化技术、感受野缩放和模型缩放。

B附加实验

B.1 S3DIS上的分割

在手稿中，我们提供了S3DIS上的标准6倍交叉验证mIoU。在此，我们还报告了选项卡中区域5的性能。

二、正如所观察到的，PointNeXt-S是一种小型变体，其性能比使用原始训练策略训练的PointNet++高出4.9%OA和9.9%mIoU。PointNeXt-S的性能也比许多有代表性的方法（如PointCNN[21]、DeepGCN[20]和PVCNN[25]）好得多。我们最大的型号PointNeXt XL的性能略低于最先进的分层变压器[17]，同时超过了许多最新的方法，如ASSANet[34]、Point Transformer[62]和CBL[45]。请注意，我们的方法很容易复制，在大多数情况下，三次随机运行的标准偏差小于0.5。

表二：S3DIS区域5的语义分割结果。报告了平均±std（OA、mACC和mIoU）和三次随机运行的每类平均IoU。

B.2 ModelNet40上的分类

ModelNet40【55】是3D计算机图形CAD模型常用的对象分类数据集。它有40个对象类别，每个类别包含100个独特的CAD模型。最近的工作【13、29、38】表明，与合成的3D数据集ModelNet40相比，人们对真实世界的扫描数据集ScanObejectNN【48】越来越感兴趣。根据这一趋势，我们在手稿中对ScanObjectNN的PointNeXt进行了基准测试（表2）。这里，我们进一步提供ModelNet40上PointNeXt的结果。PointNet++[32]最初使用交叉熵损失、Adam优化器、学习率1e-3、权重衰减1e-4、步长学习率衰减和批量大小16进行250个时代的训练，同时使用随机旋转、缩放、平移和抖动作为数据增强。通过采用改进的训练策略，我们将PointNet++从91.9%的OA提高到92.8%的OA：带标签平滑的交叉熵损失、AdamW优化器、学习率1e-3、权重衰减0.05、余弦学习率衰减和批次大小32，持续600个时代，同时使用随机缩放和转换作为数据增强。选项卡。III显示了PointNeXt的小变体（默认宽度为C=32的PointNeXt-S）比PointNet++快1.3个百分点，同时速度更快。具有更大宽度C=64的PointNeXt-S，实现了与最先进的CurveNet相媲美的性能（93.7%OA）[56]，并优于大量代表性网络，如KPConv[47]、ASSANet[34]和点云转换器[12]。