PointCNN

PointCNN

Key Knowledgeable：

1. Hierarchical Convolution：
   
   参考图像卷积，进行多次卷积，提取深层信息。
2. χ-Conv Operator：
   根据邻近点坐标信息进行相对位置编码，分别使用MLP学习特征信息F与变换矩阵χ。使用变换矩阵χ变换特征信息矩阵F得到Fχ，最后再对Fχ进行卷积。
   Tips：使用采样膨胀D倍邻近点扩大特征的感受野，利于网络训练。
3. 3.χ-Conv dilation rate
   使用采样膨胀D倍邻近点扩大特征的感受野，在KD个邻近点内采样K个邻近点将感受野从K/N扩大为KD/N，使得网络有更多样本点可以用于训练。

Contrast vs PointNet(++)：

“PointNet(++) is symmetric pooling based approaches. come with a price of throwing away information.”PointCNN通过考虑在点云中使用卷积难点：特征分布的形状与排列问题，提出了χ-Conv结合多层次卷积与采样膨胀邻近点使用卷积对点云的特征进行学习。