1.Background
3D数据可以用点云、multi-view img、体素网格来表示,点云相较于体素网格仅包含了3D 物体的表面信息,是一种更高效的表示方法。然而因为点云中包含大量的点,处理起来很难。于是想办法减少点的数量很有必要,比如,可以减少功耗、计算量、计算加载。
2.related work
随机采样、最远点采样等其他方法都是非学习的预定规则
3.Method
Problem statement
- 输入: 点云(即n个点的三维坐标),采样点的个数k
- 输出: k*3的矩阵
- 大致方法流程:如下图
第一步:由n个点预训练Tasknetwork,固定Tasknetwork的参数;
第二步:训练S-NET。由S-NET得到一些点,论文中称为generated points,将generated points输入Task network。设计两个损失,一个是taskloss,一个是sampling loss损失。(论文中关于sampling loss的解释:encourages each of the generated points to be close to one of the input points and forces the generated points to spread