CVPR 2019 | PointConv：在点云上高效实现卷积操作

选自arXiv作者：Wenxuan Wu、Zhongang Qi、Li Fuxin机器之心编译机器之心编辑部3D 点云是一种不规则且无序的数据类型，传统的卷积神经网络难以处理点云数据。来自俄勒冈州立大学机器人技术与智能系统（CoRIS）研究所的研究者提出了 PointConv，可以高效的对非均匀采样的 3D 点云数据进行卷积操作，该方法在多个数据集上实现了优秀的性能。如将 CIFAR-10 数据转换成点云，使用 PointConv 实现例如 AlexNet 和 VGG 结构的网络，可以达到与传统 CNN 相似的性能。一、背景在机器人、自动驾驶和虚拟/增强现实应用中，直接获取 3D 数据的传感器日趋普遍。由于深度信息可以消除 2D 图像中的大量分割不确定性（segmentation ambiguity），并提供重要的几何信息，因此具备直接处理 3D 数据的能力在 ………………………………