SGPN阅读笔记：相似性聚类的点云模型分割

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$N_p$个点的点云$P$，它首先使用PointNet得到每个点上的特征，维度为$N_p\times N_f$。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$F_{SIM}$、$F_{CF}$和$F_{SEM}$，并分别得到对应的三种损失函数$L_{SIM}$、$L_{CF}$和$L_{SEM}$，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$L_2$范式。即对于点$P_i$和$P_j$，它们的特征向量为$F_{SI{M}_i}$和$F_{SI{M}_j}$，则相似性矩阵$S$为

S i j = ∣ ∣ F S I M i − F S I M j ∣ ∣ 2 S_{ij} = || F_{SIM_i} - F_{SIM_j} ||_2