0參數(shù)量+0訓練，3D點云分析方法Point-NN刷新多項SOTA

不引入任何可學習參數(shù)或訓練，是否可以直接實現(xiàn) 3D 點云的分類、分割和檢測？

論文鏈接：https://arxiv.org/pdf/2303.08134.pdf

代碼地址：https://github.com/ZrrSkywalker/Point-NN

本文提出了一個用于 3D 點云分析的非參數(shù)網(wǎng)絡 Point-NN，它僅由純不可學習的組件組成：最遠點采樣（FPS）、k 近鄰（k-NN）、三角函數(shù)（Trigonometric Functions）以及池化（Pooling）操作。不需要參數(shù)和訓練，它能夠在各種 3D 任務上都取得不錯的準確率，甚至在 few-shot 分類上可以大幅度超越現(xiàn)有的完全訓練的模型。 基于 Point-NN 的非參數(shù)框架，這項研究對于當前 3D 領域的貢獻如下： 1、首先，我們可以通過插入簡單的線性層，來構建 Point-NN 的參數(shù)化網(wǎng)絡，Point-PN。由于 Point-NN 具有強大的非參數(shù)基礎，所構建出的 Point-PN 僅需要少量可學習參數(shù)就可以表現(xiàn)出優(yōu)秀的 3D 分類和分割性能。 2、其次，由于 Point-NN 不需要訓練的屬性，我們可以將其作為一個即插即用的增強模塊，去增強現(xiàn)有已經(jīng)訓練好的 3D 模型。通過提供互補知識，Point-NN 可以在各種 3D 任務上提升原本的 SOTA 性能。 一、引言1. 動機 3D 點云的處理和分析是一項具有挑戰(zhàn)性的任務，并且在學術界和工業(yè)界都取得了廣泛的關注。自從 PointNet++ 起，后續(xù)的 3D 模型為了提升性能，一方面設計了更加復雜的局部空間算子，一方面增大了網(wǎng)絡的可學習參數(shù)量。然而，除了不斷更新的可學習模塊，他們基本都沿用了同一套潛在的多尺度網(wǎng)絡框架，包括最遠點采樣（FPS）、k 近鄰（k-NN）和池化（Pooling）操作。目前，還幾乎沒有研究去探索這些非參數(shù)組件的潛力；因此，本文提出并探索了以下問題：這些非參數(shù)組件對于 3D 理解的貢獻有多大？僅僅使用非參數(shù)組件，能否實現(xiàn)無需訓練的 3D 點云分析？ 2. 貢獻

為了解決以上問題，本文首次提出了一個非參數(shù)化（Non-Parametric）的 3D 網(wǎng)絡，Point-NN，整體結構如上圖所示。Point-NN 由一個用于 3D 特征提取的非參數(shù)編碼器（Non-Parametric Encoder）和一個用于特定任務識別的點云記憶庫（Point-Memory Bank）組成。非參數(shù)編碼器采用了多階段的結構設計，使用了最遠點采樣（FPS）、k 近鄰（k-NN）、三角函數(shù)（Trigonometric Functions）和池化（Pooling）來逐步聚合局部幾何圖形，為點云生成一個高維度的全局特征。我們僅僅采用了簡單的三角函數(shù)來捕捉局部空間幾何信息，沒有使用任何可學習算子。接下來，我們使用此編碼器，去提取到所有訓練集點云的特征，并緩存為點云記憶庫。進行測試時，點云記憶庫通過對測試點云和訓練集點云的特征，進行相似度匹配，來輸出特定任務的預測。 不需要任何訓練，Point-NN 可以在多種 3D 任務中實現(xiàn)優(yōu)越的性能，例如 3D 分類、分割、檢測，甚至可以超過一些現(xiàn)有的經(jīng)過完全訓練的模型?；诖耍覀冞M一步提出了兩點 Point-NN 對于現(xiàn)今 3D 領域的貢獻，如下圖（a）和（b）所示：

1）以 Point-NN 為基礎框架，我們通過在 Point-NN 的每個階段插入簡單的線性層，引入了其 parameter-efficient 的變體 Point-PN，如上圖 (a) 所示。Point-PN 不包含復雜的局部算子，僅僅包含線性層以及從 Point-NN 繼承的三角函數(shù)算子，實現(xiàn)了效率和性能的雙贏。 2）我們將 Point-NN 作為一個即插即用的模塊，為各種 3D 任務中訓練好的模型提供互補知識，并在推理過程中可以直接提升這些訓練模型的性能，如上圖 (b) 所示。 二、方法 1.Point-NN Point-NN 由一個 Non-Parametric Encoder (EncNP) 和一個 Point-Memory Bank (PoM) 組成。對于輸入的點云，我們使用 EncNP 提取其全局特征，并通過 PoM 的特征相似度匹配，來輸出分類結果，公式如下圖所示：

接下來，我們依次介紹 Point-NN 中的這兩個模塊。 （1）非參數(shù)編碼器 (Non-Parametric Encoder) 非參數(shù)編碼器首先將輸入點云進行 Raw-point Embedding，將 3 維的原始點坐標轉化為高維度特征，再經(jīng)過 4 個階段的 Local Geometry Aggregation 逐步聚合局部特征得到最終的點云全局特征，如下圖所示。

a. 原始點云映射 (Raw-point Embedding) 我們參考了 Transformer 中的 positional encoding，對于輸入點云的一個點

，利用三角函數(shù)將它嵌入到一個維向量中：

其中

分別表示三個軸的位置編碼。以為例，對于通道索引

，具體的位置編碼公式如下：

其中，α,β 分別控制了尺度和波長。通過這種三角函數(shù)的編碼，我們可以將點云的絕對位置信息映射到高維度的特征空間中，并通過后續(xù)的點乘操作可以根據(jù)權重獲取不同點之間的相對位置信息，并捕獲三維形狀的細粒度結構變化。 b. 局部幾何特征的聚合 (Local Geometry Aggregation) 對于每一個點云尺度的處理，我們分為三個步驟。 首先是特征擴維 (Feature Expansion)。我們使用 FPS 進行點云數(shù)量的下采樣，對于下采樣后得到的每一個中心點，我們采用 k-NN 去找到他的 k 個鄰域點以及對應的特征?；诖?，我們將中心點特征和在特征維度進行拼接，實現(xiàn)特征擴維，這樣可以在更深的網(wǎng)絡層中編碼更多的語義信息： ?

其次是幾何信息提取 (Geometry Extraction)。我們先使用均值和標準差對的坐標進行歸一化，并使用三角函數(shù)進行相對位置

的編碼，來獲取的相對幾何權重，標記為

。之后，我們通過下面的公式得到加權后的鄰域特征。 ?

最后是局部特征聚和 (Feature Aggregation)。我們利用最大池化和平均池化來進行局部特征聚合。

在完成 4 個階段的 Local Geometry Aggregation 后，我們再次運用最大池化和平均池化來得到點云的全局特征。 （2）點云記憶庫 (Point-Memory Bank) 在經(jīng)過非參數(shù)編碼器 (Non-Parametric Encoder) 的特征提取后，由于 Point-NN 不含任何可學習參數(shù)，我們沒有使用傳統(tǒng)的可學習分類頭，而是采用了無需訓練的 point-memory bank。首先，我們使用非參數(shù)編碼器去構造關于訓練集的 bank，接著在推理過程通過相似度匹配輸出預測，如下圖所示。

a. 記憶構建 (Memory Construction) Point memory 包括一個 feature memory和一個 label memory。以點云分類任務為例，假設給定的訓練集包含 K 個類別的 N 個點云

。通過 Non-Parametric Encoder 可以得到 N 個訓練集點云的全局特征，同時將對應的分類標簽

轉換為 one-hot 編碼，接著將它們沿著樣本維度進行拼接，緩存為兩個矩陣。

b. 基于相似度的預測 (Similarity-based Prediction) 在推理階段，我們利用構造好的 bank 進行兩個矩陣乘法來完成分類。首先，我們通過 Non-Parametric Encoder 來計算測試點云的全局特征，并計算與 feature memory 之間的余弦相似度。 ?

接下來，將 label memory 中的 one-hot 標簽與進行加權，越相似的 feature memory 對最終的分類 logits 貢獻越大，反之亦然。 ?

通過這種基于相似性的計算，point-memory bank 可以在不經(jīng)過任何訓練的情況下，學習到從訓練集中提取的知識，在推理過程自適應地完成不同任務。 2.Point–NN 在其他 3D 任務的拓展 以上主要是對 Point-NN 在分類任務中的應用的介紹，Point-NN 也可以被用于 3D 的部件分割和 3D 目標檢測任務。 （1）部件分割 (3D Part Segmentation) 與分類任務對全局特征進行提取再進行分類不同的是，部件分割需要對每個點進行分類。因此，論文采用了一個接在 non-parametric encoder 后的對稱的 non-parametric decoder，進行點云特征的上采樣，恢復至輸入時的點數(shù)量。具體來說，在 decoder 的每個階段，我們將局部中心點的特征通過相對位置加權，來擴散到周圍的領域點。對于 point-memory bank，首先使用 encoder 和 decoder 得到訓練集的每個點的特征，為了節(jié)省顯存消耗，對于每一個物體，我們將每個部件的特征取平均值，再作為 feature memory 存入到 bank 中。 （2）目標檢測 (3D Object Detection) 對于檢測任務，我們將 Point-NN 作為一個 3D 檢測器的分類頭使用。當預訓練好的檢測器產(chǎn)生 3D proposal 后，Point-NN 與分類任務相似，使用 non-parametric encoder 來獲取被檢測物體的全局特征。在構建 point-memory bank 時，我們在訓練集中對在每個 3D 框標簽內的點云進行采樣，將采樣后的每個物體的全局特征進行編碼得到 feature memory。特別的是，我們沒有像其他任務一樣對每個物體的點云坐標進行歸一化，這是為了保留在原始空間中的 3D 位置信息，實現(xiàn)更好的檢測性能。 3. 從 Point–NN 延伸 (Starting from Point-NN) （1）作為結構框架構建 Point-PN (As Architectural Frameworks) 我們講 Point-NN 視為一個良好的非參數(shù)化框架，在其中插入簡單的可學習線性層，來構建參數(shù)化的 3D 網(wǎng)絡，Point-PN。Point-PN 相比于現(xiàn)有的 3D 網(wǎng)絡，不含有復雜的局部算子，以極少的可學習參數(shù)量實現(xiàn)了優(yōu)秀的 3D 性能。

我們構建 Point-PN 的步驟如下：首先，將 point-memory bank 替換為傳統(tǒng)的可學習的分類頭，如上圖（A）所示；在 ModelNet40 的分類任務上，這一步將分類性能從 Point-NN 的 81.8% 提高到了 90.3%，且僅僅使用了 0.3M 的參數(shù)量。接著，我們將 raw-point embedding 替換為線性層（B），可以將分類性能進一步提高到 90.8%。為了更好地提取多尺度層次特征，我們接著將線性層插入到每一階段的 non-parametric encoder 中。具體來說，在每個階段，兩個線性層分別被插入到 Geometry Extraction 的前后來捕捉高層空間信息，如圖中（C、D、E）所示。這樣，最終的 Point-PN 可以僅僅使用 0.8M 的參數(shù)量達到 93.8% 的性能，且只包括三角函數(shù)和簡單的線性層。這說明，與現(xiàn)有的高級的操作算子或者大參數(shù)兩相比，我們可以從非參數(shù)框架出發(fā)，來獲取一個簡單高效的 3D 模型。

（2）作為即插即用模塊 (As Plug-and-play Modules) Point-NN 可以在不進行額外訓練的情況下增強現(xiàn)有 3D 預訓練模型的性能。以分類任務為例，我們直接將 Point-NN 與預訓練模型預測的分類 logits 進行相加，來提供互補的 3D 知識提升性能。如下圖對特征的可視化所示，Point-NN 主要提取的是點云的低層次高頻特征，在尖銳的三維結構周圍產(chǎn)生了較高的響應值，例如飛機的翼尖、椅子的腿和燈桿；而經(jīng)過訓練的 PointNet++ 更關注的是點云的高層次語義信息，通過對它們的 logits 相加可以得到互補的效果，例如，飛機的機身、椅子的主體和燈罩。

三、實驗 1.Point-NN 和 Point-PN （1）3D 物體分類 (Shape Classification)

對于 2 個代表性的 3D 物體分類數(shù)據(jù)集，ModelNet40 和 ScanObjectNN，Point-NN 都獲得了良好的分類效果，甚至能夠在 ScanObjectNN 上超過完全訓練后的 3DmFV 模型。這充分說明了 Point-NN 在沒有任何的參數(shù)或訓練情況下的 3D 理解能力。 Point-PN 在 2 個數(shù)據(jù)集上也都取得了有競爭力的結果。對于 ScanObjectNN，與 12.6M 的 PointMLP 相比，Point-PN 實現(xiàn)了參數(shù)量少 16 倍，推理速度快 6 倍，并且精度提升 1.9%。在 ModelNet40 數(shù)據(jù)集上，Point-PN 獲得了與 CurveNet 相當?shù)慕Y果，但是少了 2.5X 的參數(shù)量，快了 6X 的推理速度。 （2）少樣本 3D 分類 (Few-shot Classification)

與現(xiàn)有的經(jīng)過完全訓練的 3D 模型相比，Point-NN 的 few shot 性能顯著超過了第二好的方法。這是因為訓練樣本有限，具有可學習參數(shù)的傳統(tǒng)網(wǎng)絡會存在嚴重的過擬合問題。 （2）3D 部件分割 (Part Segmentation)

70.4% 的 mIoU 表明由 Point-NN 在分割任務中也可以產(chǎn)生執(zhí)行良好的單點級別的特征，并實現(xiàn)細粒度的 3D 空間理解。 Poinnt-PN 能夠取得 86.6% 的 mIoU。與 Curvenet 相比，Point-PN 可以節(jié)省 28 小時的訓練時間，推理速度快 6X。 （3）3D 目標檢測 (3D Object Detection)

將 Point-NN 作為檢測器的分類頭，我們采用了兩種流行的 3D 檢測器 VoteNet 和 3DETR-m 來提取類別無關的 3D region proposals。由于我們沒有進行點云坐標的歸一化處理（w/o nor.），這樣可以保留原始場景中更多物體三維位置的信息，大大提升了 Point-NN 的 AP 分數(shù)。 2.Point-NN 的即插即用 (Plug-and-play) （1）3D 物體分類 (Shape Classification)

Point-NN 可以有效提高現(xiàn)有方法的分類性能，在 ScanObjectNN 數(shù)據(jù)集上，Point-NN 可以對 PointNet 和 PoitMLP 的分類準確率均提高 2%。 （2）3D 分割和檢測 (Segmentation and Detection)

對于分割任務，由于 ShapeNetPart 數(shù)據(jù)集上的測評指標已經(jīng)比較飽和，Point-NN 對 CurveNet 提升的 0.1% 已經(jīng)是很好的效果。對于檢測任務，Point-NN 對 3DETR-m 的增強達到了很好的 1.02%和 11.05%

。

四、討論 1. 為什么 Point-NN 中的三角函數(shù)可以編碼 3D 信息？ （1）捕獲高頻的 3D 結構信息 通過下圖中 Point-NN 特征的可視化，以及我們分解出的點云低頻和高頻信息，可以觀察到 Point-NN 主要捕獲了點云的高頻空間特征，例如邊緣、拐角以及其它細粒度的細節(jié)。

（2）編碼點之間的相對位置信息 三角函數(shù)本身可以提供點云的絕對位置信息。對于兩個點

和

，首先獲取它們的 C 維的位置編碼，公式如下：

而它們之前的相對位置關系可以通過它們之間的點乘得到，公式如下：

以 x 軸為例，

這個公式表示了 x 軸上兩個點之間的相對位置。因此，三角函數(shù)可以得到點云之間的絕對和相對位置信息，這更有利于 Point-NN 對局部化點云的結構理解。 2.Point–NN 可以即插即用的提升 Point–PN 的性能嗎？

如上表所示，Point-NN 對 Point-PN 的提升極其有限，從上圖可視化的結果來看，Point-NN 和 Point-PN 之間的互補性比 Point-NN 和 PointNet++ 之間的互補性更弱。這是因為 Point-PN 的基礎結構是繼承自 Point-NN，因此也會通過三角函數(shù)獲取 3D 高頻信息，和 Point-PN 擁有相似的特征捕獲能力。 3. 和其他無需訓練的 3D 模型的比較

現(xiàn)有的 3D 模型中，有一類基于 CLIP 預訓練模型的遷移學習方法，例如 PointCLIP 系列，它們也不需要進行 3D 領域中的訓練過程。從上表的比較可以看出，Point-NN 可以實現(xiàn)很優(yōu)越的無需訓練的分類性能。 4.Point–NN 與 PnP–3D 的增強效果比較

PnP-3D 提出了一種對于 3D 模型的即插即用的可學習增強模塊，但是它會引入額外的可學習參數(shù)，并且需要重新訓練而消耗更多的計算資源。如上表所示，相比之下，Point-NN 也能實現(xiàn)相似的增強性能，但是完全不需要額外參數(shù)或者訓練。 五、總結與展望 本文首次在 3D 領域中，提出了一個無參數(shù)無需訓練的網(wǎng)絡，Point-NN，并且在各個 3D 任務上都取得了良好的性能。我們希望這篇工作可以啟發(fā)更多的研究，來關注非參數(shù)化相關的 3D 研究，而不是一味的增加復雜的 3D 算子或者堆疊大量的網(wǎng)絡參數(shù)。在未來的工作中，我們將探索更加先進的非參數(shù) 3D 模型，并推廣到更廣泛的 3D 應用場景中。