pointnet中输入和特征变换的区别？

Question

尖点网架构

我目前正在阅读这篇论文，其中原始点云坐标正在经历两次变换，输入变换和特征变换，变换本身是由一个迷你点网，然后是一个矩阵乘法，输入变换将其变换成一个nx3向量，而特征变换则将其变换成一个nx64向量.然而这两次变换的结构本质上是一样的(tnet x matrixmultiply)，那么我们怎么能说第一次变换变换的是输入，而第二次变换作用于特征呢？

Answer 1

老问题了，但希望有人觉得这个答案有用，我的理解是。

两种变换都是由一个T型网组成的，它输出一个矩阵，然后再执行一个... ... 仿射变换 时乘以点云，将所有的点云对齐到同一个输入或特征空间。T-net是由PointNet分类架构中特征转换后的所有模块组成。一个共享MLP，最大池化和另一个MLP。

输入转换将所有不同的点云对齐到一个 规范空间，有效地将点云集中在原点周围，并对其进行缩放，使网络训练的所有点云都有一个标准化的大小。

然后，特征变换会执行同样的操作，现在使用的是已经使用共享MLP嵌入到特征空间的点云。这是共享MLP的关键，因为它意味着输出对给定点云中的所有点都有了解，并被嵌入到特征空间。然后，点云的64xn表示可以全部对准同一个特征空间。当共享MLP对所有的点云进行训练时，它将嵌入到一个更强大的点云的特征空间表示。

对 词缀 真正帮助我理解了PointNet和类似的点云架构是如何工作的，因为将点云嵌入到特征空间是非常相似的。