KPConv: Flexible and Deformable Convolution for Point Clouds

KPConv是由Hugues Thomas、Charles R. Qi、Jean-Emmanuel Deschaud、Bertrand Marcotegui、François Goulette和Leonidas J. Guibas于2019年提出的点云深度学习论文，发表在ICCV 2019上。该论文提出了一种基于核点的灵活可变形卷积操作，通过在核点位置上学习权重，能够直接在点云上进行卷积操作。KPConv支持刚性核点和可变形核点两种模式，能够有效捕获点云的局部几何结构和空间关系，在点云分类、语义分割和部件分割等任务上取得了当时最优的性能。KPConv是点云深度学习领域的重要论文，提出了一种新的点云卷积范式，被引用超过1500次，对后续的点云深度学习研究产生了深远影响。