点云的动态缩减网络

图像分类是机器学习中的一个经典问题，而图神经网络是一种强大的方法，用于学习高度不规则的几何结构。在确定整体分类时，点云中的某些部分往往比其他部分更为重要。对于图结构而言，最初的做法是在卷积滤波器的末端汇集信息，后来发展出多种静态图上的分阶段汇集技术。本文介绍了一种动态图汇集方法，该方法消除了对预定义图结构的需求。通过中间聚类动态学习数据之间最重要的关系来实现这一点。这种网络架构在表示大小和效率方面取得了有趣的结果，并且可以轻松适应从图像分类到高能粒子物理中的能量回归等多种任务。