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:![](https://img-blog.csdnimg.cn/direct/d6d5a029adcb4ff6a0e027a4baa17482.png#pic_center#id=wB530&originHeight=1177&originWidth=1748&originalType=binary&ratio=1&rotation=0&showTitle=false&status=done&style=none&title=)
本文采用的方法![](https://img-blog.csdnimg.cn/direct/98276fafbd214f71ad523cabf685f51f.png#pic_center#id=PBSb8&originHeight=1008&originWidth=1943&originalType=binary&ratio=1&rotation=0&showTitle=false&status=done&style=none&title=)
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)。