SPLATNet：用于点云处理的稀疏晶格网络

我们提出了一种用于处理点云的网络架构，该架构直接对表示为高维晶格中稀疏样本集合的点进行操作。简单地在该晶格上应用卷积会导致随着晶格尺寸的增加，内存和计算成本急剧上升的问题。相反，我们的网络采用了稀疏双边卷积层作为构建模块。这些层通过使用索引结构仅在晶格的占用部分应用卷积来保持效率，并且允许灵活指定晶格结构，从而实现层次化和空间感知特征学习以及联合2D-3D推理。基于点和基于图像的表示都可以轻松集成到具有此类层的网络中，并且所得到的模型可以端到端地进行训练。我们在3D分割任务中展示了实验结果，表明我们的方法优于现有的最先进技术。