论文地址:https://arxiv.org/abs/2206.04670
本文主要提出优化PointNet++的两大关键点.
1) 好的训练策略
2)有效的模型尺度变换策略.
训练调整
数据增强
1. 随机去除点云颜色.
2. 增加噪声
3. 增加颜色对比度
4. 点云高度调整
优化调整
1. CrossEntropy with label smoothing
2. AdamW
3.Cosine Decay
架构现代化
感知域尺度调整(Receptive Field Scaling)
目前调整感知域范围主要有两种思路,一种是更大的感知半径去获取邻近点,另一种是采取结构化的架构(hierarchical architecture), 因为结构化的架构已经在PointNet++中被研究,因此我们主要关注前者,即尺度半径调整.