論文筆記：《FoldingNet: Point Cloud Auto-encoder via Deep Grid Deformation》

1.介紹 三維點雲處理通常被認爲比二維圖像更具挑戰性，這主要是因爲點雲樣本存在於不規則的結構上，而二維圖像樣本(像素)依賴於圖像平面上具有規則間距的2D網格。點雲幾何通常由一組稀疏的三維點表示。這種數據格式使得傳統的深度學習框架難以應用。例如：對於每個樣本，傳統的卷積神經網絡(CNN)要求相鄰樣本出現在一定的空間方向和距離上，以便於卷積。點雲通常不遵循這樣的約束。之前的方法大都是將三維空間劃分爲規

>>阅读原文<<