SampleNet:可微分的点云采样
由特拉维夫大学的Itai Lang,Asaf Manor和Shai Avidan创建。
介绍
这项工作基于我们的。请阅读它以获取更多信息。也欢迎您观看CVPR 2020的。
直接在点云上工作的任务越来越多。随着点云大小的增加,这些任务的计算需求也随之增加。一个可能的解决方案是首先对点云进行采样。经典采样方法(例如,最远点采样(FPS))不考虑下游任务。最近的一项工作表明,学习针对特定任务的采样可以显着改善结果。但是,提出的技术并未处理采样操作的不可微性,而是提供了一种解决方法。
我们为点云采样引入了一种新颖的微分松弛。我们的方法采用了一种软投影操作,该操作将采样点近似为主要输入云中的混合点。近似值由温度参数控制,并在温度变为零时收敛到常规采样。在训练过程中,我们使用投影损耗来鼓励温度下降,从而使每个采样点都靠近输入点之一。
这种近似方案可在各种应用(例
1