PointNeXt：个人阅读笔记（WZS的博客）

## 标题PointNeXt：个人阅读笔记（WZS）

1. Abstract

我们发现，性能提高的很大一部分是由于改进了培训策略，即数据扩充和优化技术，以及增加了模型大小，而非架构创新。

贡献 ：

1.我们发现，性能提高的很大一部分是由于改进了培训策略，即数据扩充和优化技术，以及增加了模型大小，而非架构创新。

2.我们将倒残差瓶颈设计和可分离的MLP引入pointnet++，以实现高效的模型缩放，并提出了point net的下一个版本PointNeXt。PointNeXt可以灵活扩展，在3D分类和分割任务上都优于最先进的方法。

2.简介

在这项工作中，我们重新审视了经典且广泛使用的网络PointNet++，并发现其全部潜力尚待挖掘，主要是由于在PointNet++时代还没有出现两个因素：

（1）先进的训练策略

2）有效的模型缩放策略架构的更改。**

例如：

1.在训练过程中随机dropping color会意外地将PointNet++的测试性能提高5.9%的平均IoU（mIoU）

2.采用标签平滑[43]可以将ScanObjectNN[48]的总体精度（OA）提高1.3%。

3.我们在PointNet++中引入了残差连接、反向瓶颈设计和可分离的MLP。

3.方法论：从PointNet++到PointNeXt

我们的探索主要集中在两个方面：

（1）训练更新，以改进数据扩充和优化技术；

（2）架构更新，以探索感受野缩放和模型缩放。这两个方面对模型的性能都有重要影响，但之前的研究对其探索不足。

3.1.1数据扩充数据

扩充是提高神经网络性能的最重要策略之一:

我们以PointNet++为基线开始研究，并使用原始数据扩充和优化技术进行训练。我们删除每个数据扩充以检查它是否必要。我们添加了有用的增强，但删除了不必要的增强。然后，我们系统地研究了代表性作品中使用的所有

数据增强: 数据缩放，如点重采样[60]和加载整个场景作为输入[15]、随机旋转、随机缩放、平移点云、抖动以向每个点添加独立噪声，高度附加[47]（即，沿物体重力方向附加每个点的测量值作为附加输入特征）、自动调整颜色对比度的颜色自动对比度[62]和随机用零值替换颜色的颜色下降。

3.1.2****优化技术优化

优化技术包括: ==损失函数、优化器、学习率调度器和超参数，==对神经网络的性能也至关重要。

我们发现了一组改进的优化技术，通过可观的差额。标签平滑、AdamW和余弦衰减的交叉熵通常可以提高各种任务的性能。

图2:PointNeXt架构。PointNeXt与PointNet++[32]共享相同的集合抽象和特征传播块，同时在开始时添加额外的MLP层，并使用建议的反向剩余MLP（InvResMLP反向残差mlp）块扩展架构。这里，我们以PointNeXt为例进行分段。有关分类架构，请参阅附录。

3.2架构现代化：小修改→ 重大改进

将PointNet++[32]现代化为拟议的PointNeXt。现代化包括两个方面：

（1）感受野标度

（2）模型标度。

3.2.1感受野标度

感受野是神经网络设计空间中的一个重要因素[42，8]。在点云处理中，至少有两种方法可以缩放感受野：

（1）采用更大的半径查询邻域。

（2）采用层次结构。

3.2.2模型缩放

我们发现，添加更多SA块或使用更多通道都不会显著提高精度，同时导致吞吐量显著下降（参见第4.4.2节），主要原因是梯度消失和过度拟合。因此，在本小节中，我们将研究如何以有效的方式扩展PointNet++。==我们建议在每个阶段的第一个SA块之后附加一个反向残差MLP（InvResMLP）块，以实现有效的模型缩放。==InvResMLP构建在SA块上如图2中下部所示。

一、InvResMLP和SA之间有三个区别。

（1） 在输入和输出之间添加一个残差网络连接，以缓解消失梯度问题，尤其是当网络更深时。

（2） 为了减少计算量和加强逐点特征提取，引入了可分离的MLP。虽然原始SA块中的所有3层MLP都是基于邻域特征计算的，但InvResMLP将MLP分为一个基于邻域特征计算的层（分组层和缩减层之间）和两个用于点特征的层（缩减后），这是受ASSANet[34]和ConvNeXt[27]启发的。

（3） 利用反向瓶颈设计将第二个MLP的输出通道扩展了4倍，以丰富特征提取。与附加原始SA块相比，附加InvResMLP块可显著提高性能（见第4.4.2节）。

二、体系结构中的三个变化。

（1）将用于分类的SA块的数量从2个缩放到4个，同时在每个阶段保持用于分割的原始数量（4个块）。

（2）我们使用了一个对称解码器，其中它的通道大小被改变用来以匹配编码器。

（3）我们添加了一个stem MLP，即在体系结构开始处插入的附加MLP层，以将输入点云映射到更高的维度。

4 Experiments

（所有方法的吞吐量都是使用NVIDIA Tesla V100 32GB GPU和32核Intel Xeon@2.80GHz CPU测量的。）

实验设置。我们使用==交叉熵损失和标签平滑来训练PointNeXt[43]，AdamW优化器[28]，初始学习率lr=0.002，权重衰减10−4，具有余弦衰减，批大小为32，==用于所有任务，除非另有规定。

4.1 S3DIS上的三维语义分割

S3DIS[1]（斯坦福大学大型3D室内空间）是一个具有挑战性的基准，由6个大型室内区域、271个房间和13个语义类别组成。

关于PointNeXt在S3DIS 5区的结果，以及与SOTA进行比较：

stem MLP的通道大小表示为C，InvResMLP块的数量表示为B。C越大，网络的宽度越大（即宽度缩放），而B越大，网络的深度越大（即深度缩放）。请注意，当B=0时，每个阶段仅使用一个SA块。

4.2 ScanObjectNN上的3D对象分类

ScanObjectNN[49]包含约15000个实际扫描对象，这些对象分为15个类，有2902个唯一的对象实例。

有在这个基准测试中使用升级的PointNeXt变体，因为我们发现使用PointNeXt-S的性能已经饱和，这主要是由于数据集的规模有限。

4.3 ShapeNet零件上的三维对象零件分割

####### ShapeNet part[59]是一个用于零件分割的对象级数据集。它由16个不同形状类别的16880个模型组成，每个类别有2-6个零件，总共有50个零件标签。
###4.4训练策略

数据扩充是我们为使PointNet++现代化而研究的第一个方面。根据表中的观察结果，我们得出四个结论。

（1）数据缩放：可提高分类和分割任务的性能。例如，在ScanObjectNN上，点的重采样可以将性能提高2.5%。将整个场景作为输入，而不是像PointNet++[32]和其他以前的工作[47、20、34]那样使用块或球体子采样输入，可以将分割结果提高1.1个百万像素。

（2）高度附加提高了性能，尤其是在对象分类方面。高度附加使网络了解实际大小从而提高了精确度（+1.1%OA）。

（3）颜色下降是一种强大的增强，可以显著提高有颜色的任务的性能。在S3DIS区域5上，仅采用颜色下降即可增加5.9%的mIoU。我们假设，颜色下降会迫使网络更加关注点之间的几何关系，从而提高性能。

（4）更大的模型支持更强的数据扩充。虽然随机旋转会使S3DIS上的PointNet++性能降低0.3%mIoU（表5数据扩充部分的第二行），但它对更大规模的模型是有益的（例如，在PointNeXt-B上提高1.5%mIoU）。ScanObjectNN上的另一个示例显示，消除随机抖动也会增加1.1%的OA。总的来说，随着数据的增强，ScanObjectNN上的PointNet++的OA和S3DIS区域5上的mIoU分别增加了5.8%和9.5%。

4.5优化技术

包括损失函数、优化器、学习率调度器和超参数。如表所示。4和5、标签平滑、AdamW[28]优化器和余弦衰减始终可以提高分类和分割任务的性能。

4.6 模型缩放

感受野缩放包括半径缩放和归一化

在ScanObjectNN上，使用stem MLP、对称解码器和SA块中的残差连接的PointNeXt-S将OA提高了1.0%。通过使用建议的InvResMLP的更多块来放大PointNeXt-S，可以进一步展示大规模S3DIS数据集的性能（从63.8%到70.5%mIoU）

5 相关工作

​ 基于体素的方法和基于多视图的方法相比，基于点的方法直接使用非结构化格式处理点云。PointNet[31]是基于点的方法的先驱，它提出通过将特征提取限制为逐点的方式，用共享MLP对点的置换不变性进行建模。PointNet++[32]通过捕获局部几何结构来改进PointNet。目前，大多数基于点的方法侧重于局部模块的设计。依赖于图形神经网络。将点云投影到伪网格上，以允许进行规则卷积。通过局部结构确定的权重自适应聚合邻域特征。此外，最近的方法利用transformer式网络通过自我关注提取局部信息。我们的工作并没有遵循局部模块设计的这一趋势。相比之下，我们将注意力转移到另一个重要但基本上未得到充分探索的方面，即培训和扩展策略。

​ 最近关于图像分类的文献研究了训练策略。在点云领域，SimpleView首次表明训练策略对神经网络的性能有很大影响。然而，SimpleView只是采用了与DGCNN相同的训练策略。相反，我们进行了系统研究，量化了每种数据增强和优化技术的效果，并提出了一套改进的培训策略，以提高PointNet++和其他代表性作品的性能。

​ 模型缩放可以显著提高网络的性能，如各领域的开创性工作所示。与使用参数小于2M的PointNet++相比，当前大多数主流网络由大于10m的参数组成，如KPConv（15M）和PointMLP（13M）。在我们的工作中，我们探索了能够以有效的方式扩展PointNet++的模型扩展策略。我们提供了有关可提高性能的扩展技术的实用建议，即使用剩余连接和反向瓶颈设计，同时使用可分离的MLP保持吞吐量。