摘要
我们介绍了PPF-FoldNet，这是一种用于纯点云几何上无监督学习3D局部描述符的方法。基于众所周知的点对特征的折叠自编码，PPF-FoldNet具备许多理想的特性：无需监督，不需要敏感的局部参考框架，能够从点集稀疏性中获益，端到端处理，速度快，并且可以提取强大的旋转不变描述符。通过一种新颖的特征可视化方法，可以监控其演化过程，从而提供可解释的见解。我们的大量实验表明，尽管具有六自由度不变性和缺乏训练标签，我们的网络在标准基准数据集上仍能取得最先进的结果，并且在引入旋转和不同点密度的情况下优于竞争对手。PPF-FoldNet在标准基准上的召回率提高了9%，在引入旋转后的同一数据集上的召回率提高了23%，最后，在点密度显著降低的情况下，其表现超过了竞争对手超过35%。