PointNet / Symmetry Function for Unordered Input分析

选择Symmetry Function处理无序输入的原因和过程解析：

作者提出了3个可用的方法：

1） 拟定一个排序规则；
2） 用RNN训练；
3） 用Symmetric function处理n维输入数据（例如Max pooling，无论按什么顺序输入，输出的结果都一样）。

---

作者分析了前两个方法的问题：

1）排序不可行。
Why？ 因为很难找到一个能够稳定地把高维空间数据映射到1维向量的方法；
Why？ 因为如果存在，就说明已经有了一个方法：当空间点发生扰动时也能稳定的将空间点映射到1维向量中，但这是极为困难的；
Why？ 因为为了更好的学习效果，对点云的转换要尽量保持点的空间邻近性，那么转换成低维时它们也要临近。然而，如果出现了扰动，排序的路径可能发生极大的变化。还可能出现交叉重叠的情况。所以排除了这个方法。
而且作者在后续实验中也证明了这个方法的效果一般。
2）RNN不可行。
Why？ 首先作者是是想把点云数据一股脑的丢给RNN，让它来学习个顺序，之后输入的顺序就都交给他了。然而，根据前人的相关研究和作者的实际实验，结论就是不太行。
这又是为什么呢? 我认为，最初RNN的提出的目的就是处理低维的字符序列，通过学习不同时序上的词语组合来预估接下来可能出现的语句。然而致命的问题是它连面向字符转的预测都不能做到很完美。咱们拿个极端的马尔可夫模型举例，你仅仅预测未来十来个时间序列的数据可能还说得过去，一旦预测目标过多，偏移会非常离谱。更何况随便一组点云数据都是上万个空间点。
此外，点云数据也不同于文本序列。pointnet的思想是空间点的分布更偏向于独立同分布。难不成让RNN学习一种最短距离索引路径？应该就是因为这些实际情况pass掉了RNN。

---

"我们"的方法

Symmetric function
首先，这里的“对称函数”就是说，不论输入的向量如何改变顺序，输出的结果都不受影响。
那怎么设计呢？
就是论文中的这个：

其中h(x)是mlp，g(x)可以看作一个全连接层+max pooling；
{x1,…,xn}是n个点的点向量集合（每个向量可能记录着x、y、z、R、G、B等信息）。
这样我们就能分析出公式右边在干什么？
n个x向量经过h函数计算得到n个K维的点特征向量；
然后n个K维的特征向量，先经过g的“全连接层”得到n个局部特征向量，这n个局部特征向量经过max pooling得到n个特征值，这n个值共同代表了整个点云数据的全局特征。

在原文中，这个全局特征由1024个实数值组成。