关于pointnet的几个点

1.为什么将维数从一开始3维变成1024维后再进行池化。

一开始输入只有xyz三维，（x,y,z），如果进行最大池化（maxpool），会损失太多信息，输出的全局特征仅仅继承了三个坐标轴上最大的那个特征。

 但如果将点映射到1024维的高维空间再进行最大池化，则1024维所有通道上都只保留最大的那一个，比起3维池化却是能保留更多，保留了1024个，损失的信息会减少很多。

2.T-net

 

对于普通的PointNet(vanilla)，如果先后输入同一个但是经过不同旋转角度的物体，它可能不能很好地将其识别出来。在论文中的方法是新引入了一个T-Net网络去学习点云的旋转，将物体校准，剩下来的PointNet(vanilla)只需要对校准后的物体进行分类或者分割即可。

由于点云的旋转非常的简单，只需要对一个N × D的点云矩阵乘以一个D × D的旋转矩阵即可，因此对输入点云学习一个3 × 3的矩阵，即可将其矫正；同样的将点云映射到K维的冗余空间后，再对K维的点云特征做一次校对，只不过这次校对需要引入一个正则化惩罚项，希望其尽可能接近于一个正交矩阵。

 

具体来说，对于每一个N × 3的点云输入，网络先通过一个T-Net将其在空间上对齐（旋转到正面），再通过MLP将其映射到64维的空间上，再进行对齐，最后映射到1024维的空间上。这时对于每一个点，都有一个1024维的向量表征，而这样的向量表征对于一个3维的点云明显是冗余的，因此这个时候引入最大池化操作，将1024维所有通道上都只保留最大的那一个，这样得到的1 × 1024的向量就是N NN个点云的全局特征。

如果做的是分类的问题，直接将这个全局特征再进过MLP去输出每一类的概率即可；但如果是分割问题，由于需要输出的是逐点的类别，因此其将全局特征拼接在了点云64维的逐点特征上，最后通过MLP，输出逐点的分类概率。

3.shared