PointCNN:PointCNN:X转换点上的卷积(NeurIPS 2018) 源码

PointCNN:X变换点上的卷积 由,步锐,孙明超,吴伟,辛欣han和。 介绍 PointCNN是用于从点云进行特征学习的简单通用框架,它刷新了点云处理中的五个基准记录(截至2018年1月23日),包括: ModelNet40的分类精度( 91.7% ,仅具有1024个输入点) ScanNet上的分类准确性( 77.9% ) ShapeNet零件上的细分零件平均IoU( 86.13% ) S3DIS上的平均IoU分割( 65.39% ) ScanNet上每个体素标签的准确性( 85.1% ) 有关更多详细信息,请参见的(已被NeurIPS 2018接受)。 可以从下载预训练的模