近日，金沙集团3354cm交叉研究中心2018级硕士研究生王业超在国际会议The International Conference on Computer-Aided Design and Computer Graphics (CAD&Graphics)发表论文“APM: Adaptive Permutation Module for Point Cloud Classification”，并获得最佳论文奖。

通过自适应排序模块（APM）对输入点云进行重排序

论文“APM: Adaptive Permutation Module for Point Cloud Classification”聚焦于点云数据无序性的问题。在深度卷积学习网络的迅猛发展背景下，近年来以点云为原始输入的深度学习网络研究引起了广泛关注。然而点云具有无序性的特点，因此直接将传统深度卷积网络应用于点云数据存在一定困难。该问题现有解决方法通常依赖于对称函数的方式，而没有考虑到隐含在潜在局部邻域顺序关系中的信息。

层次结构、将近邻点转换为代表点的局部坐标系的过程以及特征权重模块结构

论文受到PointCNN的启发，提出了一个自适应排序模块。该模块可以对每一个输入的局部点云邻域自适应地学习一个独立的顺序变换以对输入点云进行重排序。论文使用PointCNN为骨干网络并结合自适应排序模块构建了一个高效的端到端的点云深度卷积网络，且此网络在点云分类视觉任务中取得了世界领先的表现。文章通过详尽的实验证明了基于自适应排序模块的点云深度卷积网络有效性和优越性。此外，自适应排序模块也可以灵活高效地嵌入其他主流点云特征提取网络中进一步提高其网络性能。论文方法进一步证实了点序中近邻信息对于点云分类任务具有重要作用，为后续点云无序性问题的研究提供了新的研究思路。论文合作者包括指导教师屠长河教授、博士研究生曹金明、以及阿里巴巴集团李扬彦教授。

王业超，金沙集团3354cm2018级硕士研究生，研究方向为三维计算机视觉，师从屠长河、李扬彦教授。

CAD/Graphics简介：计算机辅助设计和图形学国际会议（CCF CAD / Graphics）为自1989年开始举办的两年一次的国际会议，隶属于中国计算机学会（CCF）。2021年度会议由中国计算机学会主办、中国计算机学会计算机辅助设计与图形学专业委员会和西安交通大学联合承办。

(图/文 王业超   编辑/徐慧   供稿单位：金沙集团3354cm交叉研究中心)