本人关注的3D目标检测的文章多一些,所以本文在点云检测,分割领域的发展趋势的理解可能还浅一些,希望能与大家交流。
2020年的CVPR出来之后,在点云处理方面给人的感觉是耳目一新,从众多论文中可以看出点云处理的新的发展方向。
发展趋势
1、Point-Voxel
在之前的发展中,方法大致可以分为如下几类:
- Point-based:就是以pointnet++为代表,使用MLP提取point-wise的特征;以PointCNN为代表的,先计算卷积核,然后对点做卷积
- Voxel-based:以Sparse Convolution为代表,使用3D卷积核提取特征
- Graph-based:虽然看起来Graph based的方法适用性更强,是针对无序数据可以通用的一种方法,但在点云处理中,就显得速度慢,精度也并没有特别突出。
2020年则更多的尝试在Point和Voxel相结合:
Point-Voxel CNN for Efficient 3D Deep Learning,在保证速度的同时提取point-wise的细粒度的特征,减少了运算时间,提高了精度。而且该文章提出的是backbone,所以在识别、分割、分类的方法上都能使用。