在pointnet中输入和特征转换之间的区别？

Question

pointnet architechture

我目前正在阅读这篇文章，其中原始的点云坐标正在经历两种转换，输入转换和特征转换，转换本身由一个迷你点网和一个矩阵乘法组成，输入转换将其转换为nx3向量，而特征转换将其转换为nx64向量。然而，这两个转换在结构上本质上是相同的(tnet X matrixmultiply)，那么我们怎么能说第一个转换转换输入，第二个转换作用于特征呢？

Answer 1

这是一个老问题，但希望有人能找到有用的答案，我的理解是：

这两种变换都由输出矩阵的T-net组成，该矩阵在乘以点云时执行affine transform，将所有点云对齐到相同的输入或特征空间。T-net由PointNet分类体系结构中经过特征转换后的所有模块组成。共享MLP、最大池化和另一个MLP。

输入变换将所有不同的点云对齐到一个canonical space，有效地将点云围绕原点居中并对其进行缩放，以便网络训练所来自的所有点云都是标准化大小。

然后，特征变换执行相同的操作，现在使用已使用共享MLP嵌入到特征空间的点云。这是共享MLP的关键，因为它意味着输出可以理解给定点云中的所有点，并嵌入到特征空间中。然后，点云的64xn表示可以全部对齐到相同的特征空间。当共享的MLP在所有点云上训练时，它将嵌入到点云的更健壮的特征空间表示中。

对word embedding的理解真的帮助我理解了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非常相似。

​

​