简介
这也是一篇在PointNet基础上进行模型分割的论文。它的流程是,首先使用PointNet和PointNet++找到每个点对应的特征。然后对特征两两求差,得到相似性矩阵,它表示了一对点是不是属于同一类物体。除相似性矩阵外,SGPN还有一个置信向量,来表示点是否属于模型的一部分(而不是背景);以及一个语义分割矩阵,给同一类的部分打上同样的label。
方法
SGPN简单且符合直观,它的结构如下图所示。对于有 N p N_p Np个点的点云 P P P,它首先使用PointNet得到每个点上的特征,维度为 N p × N f N_p \times N_f Np×Nf。对于这一特征矩阵,我们分别在计算相似性矩阵、置信向量和语义分割矩阵时称之为 F S I M F_{SIM} FSIM、 F C F F_{CF} FCF和 F S E M F_{SEM} FSEM,并分别得到对应的三种损失函数 L S I M L_{SIM} LSIM、 L C F L_{CF} LCF和 L S E M L_{SEM} LSEM,它们的和即为总的损失函数。
相似性矩阵
两个点的相似性由两个点特征向量差的 L 2 L_2 L2范式。即对于点 P i P_i Pi和 P j P_j Pj,它们的特征向量为 F S I M i F_{SIM_i} FSIMi和 F S I M j F_{SIM_j} FSIMj,则相似性矩阵 S S S为
S i j = ∣ ∣ F S I M i − F S I M j ∣ ∣ 2 S_{ij} = || F_{SIM_i} - F_{SIM_j} ||_2