題目：PointPainting: Sequential Fusion for 3D Object Detection
文章鏈接：
https://arxiv.org/pdf/1911.10150.pdf
思路
在看PointPainting之前有想過把圖像的RGB屬性投影到點雲上，這樣每個點雲就不止有xyzr屬性，還有了RGB屬性，應該對精度提升有幫助，同時又不會有太多計算量。
這個文章剛構思的時候可能也嘗試了上面我講的方法。可能效果提升很小或者負面效果。
於是作者進一步思考，只加入RGB特徵是不是太少了，同時加入圖片的語義信息不是很好嗎。可解釋性也很強，比如人和路標，在點雲中很像，基本上是無法區分的，但是加入了語義信息，二者就容易區分很多了。
流程
- 圖片語義分割
- 點雲特徵融合
- 基於點雲的目標檢測
![流程圖]()
可能存在的問題
還沒有讀完，自己的疑惑：
- 語義分割標籤（官網上有語義分割的標籤）
- 語義分割精度如果不高的話，反而會起反作用。
- 語義分割精度如何，使用的是不是KITTI數據集上語義分割精度最高的模型。
- 特徵融合的耗費時間多不多？
- 文章中不是端到端的，能否做成端到端的。
類比
PointRCNN和這個方法的共同點是：兩者都想辦法增加點雲的語義信息，PointRCNN是通過點雲語義分割得到點雲的語義信息，而本文的方法是使用圖像增加點雲的語義特徵。
兩者可以同時使用，也就是把圖像特徵作爲PointRCNN的原始輸入。
其他
- 論文中沒有正面回答語義分割耗時多少，而是說採用上一張的圖片作爲當前幀的輸入，對結果幾乎沒有影響。但是無論怎樣，都應該說明耗時到底多少，讓讀者心中有數，而不是避而不談，誘導讀者（說誤導不太合適）。
- 語義分割任務的輸出是一個浮點數，量化成one hot指示類別。兩者都輸入到網絡，作者做了對比實驗，效果差距不大。完全可能是隨機因素造成的。
