DGCNN阅读

创新点

1.edgeconv：聚合邻域信息得到当前点特征
2.动态更新图：一个点的邻居在网络的不同层之间发生变化。特征空间中的邻近度与输入的邻近度不同，信息在整个点云中的非局部扩散。通过动态更新图，感受野与点云的直径一样大，且稀疏。

edgeconv：

本文采用的方法

动态更新图

一个点的邻居在网络的不同层之间发生变化。
特征空间中的邻近度与输入的邻近度不同，信息在整个点云中的非局部扩散。

网络框架

和pointnet相似，先将输入点云进行转换(为了仿射不变性)，然后经过多次edgeconv和mlp得到最后的输出特征。分割网络要将输出的特征重复多次拼接回之前的结果，得到全体和局部相结合的特征(也与pointnet相似)。