PointNetPointNet++pointnet은 point cloud에서 feature를 뽑는 network 중에서 한 축을 담당하고 있다고 봐도 되는 중요한 논문이다. PointNetpaper: PointNet: Deep Learning on Point Sets for 3D Classification and Segmentationcode: https://github.com/charlesq34/pointnetpoint cloud는 geometric data 구조중에서 중요한 type이지만 unordered라는 특성 때문에(좌표순처럼 sorting이 된것이 아닌 measurement 순서) image처럼 사용하기 위해서 기존에는 3D voxel grid형태의 data로 바꿔서 사용해왔다. 이러한 과정으로..

paper: FlowNet3D: Learning Scene Flow in 3D Point Cloudscode: https://github.com/xingyul/flownet3d이 논문은 dynamic envorionment에서 point의 3D motion(scene flow)를 찾기 위해 제안된 논문이다. 그래서 FlowNet3D를 제안해 end-to-end로 sceneflow를 학습하였다. FlowNet3D는 두 개의 새로운 layer를 제안해 hierarchical 한 feature와 point의 motion을 representation하는 것을 배운다.과거에 실제로 사용해봤던 논문인데 radius이내의 주변 point에 대해서만 학습을 하다보니 rotation이나 difference가 조금만 심해..

https://arxiv.org/pdf/1711.06396.pdf VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection Introduction Figure 1 VoxelNet Point cloud로 3D object detection을 할 때 challenge가 되는 issue들은 2D image와 비교하였을 때 매우 sparse하고 sensor의 상대적 위치, occlusion에 따라 point의 수가 달라져서 highly variable point density를 갖는 문제가 있다. 기존에는 이러한 point cloud를 3D object detection에 적합하게 변형하기 위해 직접 feature를 찾아서 변환하는 hand..

https://arxiv.org/pdf/1812.05784.pdf PointPillars: Fast Encoders for Object Detection from Point Clouds Introduction 본 논문에서는 downstream detection pipeline에 적합한 pillars라는 point cloud encoder를 제시하고자 한다. 기존의 encoder는 크게 두 가지로 나뉘는데 빠르지만 정확도가 떨어지는 fixed encoder와 느리지만 정확도가 더 높은 encoders that are learned from data로 나뉜다. Pillars는 기존의 2D conv를 사용할 수 있어 빠르고 정확도 또한 다른 encoder에 비해 높았다고 한다. 논문에서 제시한 PointPil..