PointNext论文解读

论文地址：https://arxiv.org/abs/2206.04670

github地址：GitHub - guochengqian/PointNeXt: [NeurIPS'22] PointNeXt: Revisiting PointNet++ with Improved Training and Scaling Strategies

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.