PointNet++ 的网络结构与原理
答案要点
- PointNet 用共享 MLP 加最大池化这种对称函数解决点云无序性,但缺少局部结构
- 集合抽象层分三步:最远点采样选中心、球查询分组、小 PointNet 提取局部特征
- 局部区域内用相对中心点的坐标,多层堆叠后点数减少、感受野逐层扩大
- 针对密度不均提出多尺度分组 MSG 和多分辨率分组 MRG,训练时随机丢点增强鲁棒性
- 分割用特征传播层:近邻反距离加权插值上采样,加跳连和单元 PointNet 融合特征
易错点
- 说不清 PointNet 的局限,只说 PointNet++ 是升级版
- 把集合抽象层的采样、分组、提特征三步顺序或作用说错
- 局部特征提取时用绝对坐标,忽略要减去中心点坐标
- 分割任务里只讲下采样,漏掉特征传播层的插值上采样和跳连
面试官常见追问
- 为什么用最远点采样而不是随机采样?
- 球查询和 kNN 分组有什么区别?
- MSG 和 MRG 有什么区别?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。