pointCNN 论文理解

1.解决问题 x-变换对不同的形状进行加权，对相同形状而不同时序的点云，学习他的一个排列转换矩阵，使得 作者指出，在实践中排列矩阵的学习，远远达不到理想的效果，但尽管如此，也能得到很好的结果。 2.关键思想 2.1 分层卷积 类似于cnn，将特征聚集到超点中，每个超点包含了更高维度的信息，作为对底层细节的抽象，这样可以适用于分类任务，而且可以减少训练参数，加快学习过程。 2.2 x-变换 1. 归

>>阅读原文<<