以PointCNN中的\(\mathcal{X}-Conv\)爲例，此處做個引子帶出來卷積的方法。
\(\mathcal{X}-Conv\)來鵝城只爲兩件事：
- 對每個代表點周圍的點特徵做集成。
- 在隱空間對輸入做重排去除輸入順序的影響。
Abstract
點雲分析是一件很有挑戰性的事情，因爲不規則點中隱含的形狀很難捕捉。在本文中提出了RS-CNN，即關係形狀卷積神經網絡，他將規則網格CNN擴展到不規則結構中，用於點雲分析。RS-CNN的關鍵是從關係中學習，例如點之間的集合拓撲約束。具體地說，