[人工智能]VoteNet阅读

VoteNet

Abstract

3D 对象质心可能远离表面点，难以一步准确回归。基于deep point set networks 和Hough 投票，使用纯几何特征。

Introduction

Deep sliding shapes for amodal 3d object detection in rgb-d images、3D-SIS将2D检测方法拓展到3D。

Voxel无法利用数据的稀疏性，3D卷积慢。映射到BEV后，然后用2D检测方法，牺牲了细节。

本工作以点云为输入，不依赖2D检测方法，受对象检测的通用 Hough 投票过程的启发。（Com-
bined object categorization and segmentation with an implicit shape model）

点云和图像不同，在物体中心会存在一个像素，因此，基于点的网络难以在对象中心附近聚合场景上下文。简单地增加感受野并不能解决问题，因为随着网络捕获更大的上下文，它也会导致更多的附近物体和混乱。

通过Houngh投票，生成靠近中心的点集，这些点可以被分组或聚合生成box proposals。

**输入点云，对一组种子点进行采样，并从它们的特征中生成投票。投票的目标是到达对象中心。**结果，投票集群出现在对象中心附近，进而可以通过学习模块进行聚合以生成框提案。

投票也是聚合上下文信息。

总之，贡献如下：

1. 端到端可微架构，在

开通VIP 解锁文章