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

Облако точек является важным типом геометрической структуры данных. Из-за его нерегулярного формата большинство исследователей преобразуют такие данные в регулярные 3D-воксельные сетки или наборы изображений. Это, однако, делает данные излишне объёмными и создаёт проблемы. В данной статье мы разрабатываем новый тип нейронной сети, который непосредственно потребляет облака точек и корректно учитывает инвариантность относительно перестановки точек во входе. Наша сеть, названная PointNet, предлагает единую архитектуру для приложений, варьирующихся от классификации объектов и сегментации частей до семантического парсинга сцены. Хотя она проста, PointNet отличается высокой эффективностью и результативностью. В эмпирических экспериментах она демонстрирует сильные показатели, сопоставимые или даже превосходящие современные методы. Теоретически мы приводим анализ, направленный на понимание того, чему сеть научилась и почему она устойчива к возмущениям и повреждениям входных данных.