PointNet学习系列(一)之论文的翻译
原文地址:[链接]
注:函数值与其变量的排列无关,就叫对称函数Symmetric function。
论文原文:https://arxiv.org/pdf/1612.00593.pdf
摘要
点云是一种重要的几何数据结构。由于其无序性,大部分研究把这种数据转换成了有序的3D体素网格或者图片集合。然而,这会使数据不必要地大量增问题。在本文中,我们设计了一种直接处理点云的新型神经网络,这种网络很好的考虑了输入中的点的置换不变性。PointNet,这种神经网络为物体分类、场景语义分析提供了统一的结构。虽然简单,但PointNet十分高效且有效。根据经验,这种神经网络表现出了和现有技术水平相当甚至更好的强劲表现上,我们为解释这种网络学习到了什么和为什么这种网络能够对输入数据的扰动和损坏保持高度鲁棒性进行了分析。
其他
这里推荐两个博客,博主们翻译很详细,建议先看1再看2:
PointNet翻译1——https://blog.csdn.net/BatFlo_wsh/article/details/89330195
PointNet翻译2——https://blog.csdn.net/maizousidemao/article/details/104855663