PointNet

直接处理无序点云做分类和分割的开创性网络，PointNet++ 是其分层升级版。

PointNet 由斯坦福大学 Charles R. Qi、Leonidas Guibas 等人提出，发表于 CVPR 2017。此前点云多先转成体素或多视角图片再处理，损失细节。PointNet 对每个点用共享的多层感知机提取特征，再用最大池化汇总成全局特征；最大池化与输入顺序无关，所以点的顺序打乱结果不变（置换不变性），可直接做物体分类、部件分割和场景语义分割。不足是没有建模局部邻域。PointNet++（NeurIPS 2017）先用最远点采样选出中心点，在其邻域内递归套用 PointNet，逐层提取多尺度局部特征，并能适应点密度不均。两者至今仍是点云编码器的常用基线。

例子3D 扩散策略（DP3）的点云编码器沿用「逐点 MLP + 最大池化」思路，只用三层 MLP；论文对比发现 PointNet、PointNet++ 等更复杂的编码器在其操作任务上都不如这个小编码器。

也叫

PointNet++

相关

点云、点云编码器、最远点采样、点云分割、Point Transformer V3、3D 扩散策略

来源

PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation (arXiv 1612.00593)
PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space (arXiv 1706.02413)
3D Diffusion Policy (arXiv 2403.03954)