点云论文三方会谈 | 关于ShellNet，你选择吐槽还是膜拜？

用最犀利的观点、最严谨的逻辑和最沙雕的方式，来深入阅读论文。

【主持人】乐哥

【吐槽方】大志

【膜拜方】阿新

【本期导读】这里是【点云论文三方会谈】第一期节目。本期一块来交流ShellNet。性能超越前人，阿新强烈“膜拜”，可是为何却受到大志的无情“吐槽”？欲知详情，赶快戳下面的视频。

节目流程

• 开场白+双方嘉宾亮明观点（1分钟）
• 主持人讲解论文（3分钟）
• 吐槽方、膜拜方分别从论文思想方面进行第一轮观点阐述（2分钟）
• 吐槽方、膜拜方分别从代码方面进行第二轮观点阐述（6分钟）
• 总结（1分钟）

本期视频b站链接：https://www.bilibili.com/video/av80312213/

看完本期视频，你的观点是：

论文摘要

自引入卷积神经网络处理点云数据中的点序模糊问题以来，三维数据的深度学习取得了显著的进展。以往的方法虽然能在各种场景理解任务中获得很好的精度，但往往训练速度慢，网络结构复杂。本文针对这些问题，提出了一种有效的端到端置换不变卷积算法用于点云深度学习。我们的简单而有效的卷积算子ShellConv利用同心球壳的统计信息来定义具有代表性的特征，并解决点序模糊问题，使得传统的卷积运算可以对这些特征进行处理。在ShellConv的基础上，我们进一步建立了一个有效的神经网络ShellNet来直接处理点云，同时保持较少的层数。我们通过在分类、部分分割和语义场景分割方面产生最新的结果来证明ShellNet的有效性，同时保持网络的快速训练。

链接：https://arxiv.org/abs/1908.06295

github: https://github.com/hkust-vgd/shellnet