摘要
本文介绍了SO-Net，一种用于无序点云深度学习的排列不变架构。SO-Net通过构建自组织映射（Self-Organizing Map，SOM）来建模点云的空间分布。基于SOM，SO-Net对单个点和SOM节点进行层次特征提取，并最终通过一个单一的特征向量表示输入点云。网络的感受野可以通过执行点到节点的k近邻搜索系统地进行调整。在诸如点云重建、分类、物体部件分割和形状检索等识别任务中，我们提出的网络展示了与现有最先进方法相当或更优的性能。此外，由于所提架构的并行性和简洁性，训练速度显著快于现有的点云识别网络。我们的代码可在项目网站上获取：https://github.com/lijx10/SO-Net