PointNet: глубокое обучение на множествах точек для 3D-классификации и сегментации

Облачко точек является важным типом геометрической структуры данных. Из-за своей нерегулярной формы большинство исследователей преобразует такие данные в регулярные 3D-воксельные сетки или наборы изображений. Это, однако, делает данные излишне объёмными и вызывает проблемы. В этой работе мы разрабатываем новый тип нейронной сети, который напрямую обрабатывает облака точек и учитывает перестановочную инвариантность точек во входе. Наша сеть, называемая PointNet, предоставляет унифицированную архитектуру для приложений, варьирующих от классификации объектов и сегментации частей до семантического парсинга сцены. Несмотря на простоту, PointNet обладает высокой эффективностью и результативностью. Эмпирически она демонстрирует сильные показатели, сопоставимые или даже превосходящие современные методы. Теоретически мы проводим анализ, направленный на понимание того, что сеть изучила и почему она устойчива к возмущениям и повреждению входных данных.