用最犀利的觀點、最嚴謹的邏輯和最沙雕的方式，來深刻閱讀論文。git
【主持人】樂哥
github
【吐槽方】大志
web
【膜拜方】阿新算法
【本期導讀】這裏是【點雲論文三方會談】第一期節目。本期一塊來交流ShellNet。性能超越前人，阿新強烈「膜拜」，但是爲什麼卻受到大志的無情「吐槽」？欲知詳情，趕快戳下面的視頻。
shell
節目流程
微信
開場白+雙方嘉賓亮明觀點（1分鐘）網絡
主持人講解論文（3分鐘）
app吐槽方、膜拜方分別從論文思想方面進行第一輪觀點闡述（2分鐘）
ide吐槽方、膜拜方分別從代碼方面進行第二輪觀點闡述（6分鐘）性能
總結（1分鐘）
本期視頻b站連接：https://www.bilibili.com/video/av80312213/
看完本期視頻，你的觀點是：
論文摘要
自引入卷積神經網絡處理點雲數據中的點序模糊問題以來，三維數據的深度學習取得了顯著的進展。以往的方法雖然能在各類場景理解任務中得到很好的精度，但每每訓練速度慢，網絡結構複雜。本文針對這些問題，提出了一種有效的端到端置換不變卷積算法用於點雲深度學習。咱們的簡單而有效的卷積算子ShellConv利用同心球殼的統計信息來定義具備表明性的特徵，並解決點序模糊問題，使得傳統的卷積運算能夠對這些特徵進行處理。在ShellConv的基礎上，咱們進一步創建了一個有效的神經網絡ShellNet來直接處理點雲，同時保持較少的層數。咱們經過在分類、部分分割和語義場景分割方面產生最新的結果來證實ShellNet的有效性，同時保持網絡的快速訓練。
連接：https://arxiv.org/abs/1908.06295
github: https://github.com/hkust-vgd/shellnet
本文分享自微信公衆號 - 3D點雲深度學習（PointCloud-AI）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。