旋转变换网络：用于分类和分割的变视点云学习

最近的许多工作表明，空间操作模块可以提高用于三维点云分析的深度神经网络（DNN）的性能。在本文中，我们的目的是深入了解空间操作模块。首先，我们发现对象的旋转自由度（RDF）越小，这些DNN就越容易处理这些对象。然后，我们研究了流行的T-Net模块的效果，发现它不能减少对象的RDF。基于以上两个问题，我们提出了一种用于点云分析的旋转变换网络，称为RTN，它可以将输入三维对象的RDF减少到0。RTN可以无缝地插入到许多现有的DNN中，用于点云分析。在三维点云分类和分割任务上的大量实验结果表明，所提出的RTN可以显著提高几种最先进方法的性能。