PointNeXt: Revisiting PointNet++ with Improved Training and Scaling Strategies

摘要

PointNet++ 是点云理解领域极具影响力的神经网络架构。虽然近期网络的精度已超越它，我们发现许多性能提升源于更好的训练策略、数据增强、优化方法和更大的模型规模，而不仅仅是架构创新。我们系统研究 PointNet++ 的训练与扩展策略：首先，在不改变架构的情况下，将 ScanObjectNN 上的整体准确率从 77.9% 提升至 86.1%；其次，引入倒残差瓶颈设计和可分离 MLP，实现高效扩展，得到 PointNeXt。PointNeXt 可灵活扩展，在三维分类与分割任务上取得优异表现。