Octree-based convolutional neural network summary

1. 在3D shape的分类、检索、分割等应用中，使用神经网络面临的一大挑战是3D shape的不规则性。
2. 已有的应有：
   
   • 使用3D object在多个特定角度下的投影，作为输入，使用神经网络进行处理
   • 使用voxel-based 的方法，每一个三维cube都使用binary 表示是否为3D object的一部分，这样就解决了 irregularity的问题。
   • 使用geometry image的方法，将3D object 参数化到二维平面，GI作为网络输入即可。
3. 本文中，同样使用八叉树这种数据结构，来构建神经网络中不同layer之间的联系。
   
   1. 具体而言，将3D object存储在八叉树中后，各个不同的3D object对应的叶节点并不相同，在本文实现中，将空叶节点上的法向量等property置为0， 以此保证输入结构的统一性。
   2. 此外使用Label 数组来记录不同layer 间父子节点对应的关系。在进行convolution、pooling等操作时，将前一层的结果 对应于 后一层的输入，同时，其对应关系与 octree 相对应。所以，步长stride的大小、pooling的kernel大小等应当为2的幂，因为，对应于octree的各层关系。
   3. 二维下：
      
      ————