【论文精读（二十）】PosPool：点云算子的大一统与“极简主义”的反击（ECCV 2020）

Liu, Z., Hu, H., Cao, Y., Zhang, Z., & Tong, X. (2020). A Closer Look at Local Aggregation Operators in Point Cloud Analysis. ECCV.

博主导读：
在点云深度学习的江湖里，各路门派为了刷榜（SOTA），练就了各种花哨的武功。今天你搞一个“动态图卷积”，明天我搞一个“自适应注意力”，后天他搞一个“伪网格卷积”。算子越设计越复杂，公式越写越长。
但这就带来了一个千古迷案：你的模型效果好，到底是因为你设计的算子牛，还是因为你偷偷加深了网络、调优了参数？
这篇 ECCV 2020 的PosPool就像一位“武林督查”，它搭建了一个统一的擂台，把各大门派的算子（PointNet++, KPConv, DGCNN 等）全都拉上来，脱掉它们各自的“外衣”（不同的 Backbone），只穿“内裤”（算子本身）进行公平对决。
结果令人大跌眼镜：那些花里胡哨的复杂设计，在深层网络里竟然和最简单的操作差不多！
作者更是杀人诛心，反手甩出一个**“零参数”**的算子PosPool：甚至不需要神经网络，只需要把坐标乘一下，就能吊打一众复杂的 SOTA。
论文：A Closer Look at Local Aggregation Operators in Point Cloud Analysis

1. 痛点：群魔乱舞的算子江湖

在本文出现之前，点云领域的论文画风通常是这样的：

• Point-wise MLP 派（如 PointNet++）：我要拼接坐标和特征，再过 3 层 MLP！
• Pseudo Grid 派（如 KPConv）：我要在空间撒点，算核函数权重！
• Adaptive Weight 派（如 SpiderCNN）：我要用相对位置算注意力矩阵！

存在的问题：
大家发论文时，为了证明自己强，往往会用不同的网络架构（Backbone）、不同的邻域大小、不同的采样策略。

• 结果：这本账根本算不清。作为读者，我们不知道分数的提升是来自于算子的创新，还是来自于工程 Trick 的堆砌。

本文的灵魂拷问：
如果把大家都放在完全相同的深层残差网络 (Deep Residual Network)里，那些复杂的算子还能打吗？

2. 照妖镜：通用的深层残差网络 (The Arena) 🏟️

为了公平起见，作者搭建了一个标准的ResNet-50 风格的点云网络。

• 结构：5 个阶段 (Stage)，每个阶段堆叠多个残差块 (Residual Block)。
• 变量控制：在这个架构里，除了Local Aggregation (局部聚合层)这一块可以换不同的算子，其他的（如 1x1 Conv、BN、ReLU、采样策略）全部锁死，保持一致。

这就好比让所有赛车手都开同一辆五菱宏光，只准换轮胎，看看到底谁的轮胎抓地力强。

3. 打假现场：复杂的算子真的好吗？

作者复现并测试了三大主流算子，得出了几个颠覆性的结论：

3.1 Point-wise MLP 派（代表：PointNet++）

• 以前的经验：MLP 至少要 3 层（隐藏层）才能拟合复杂函数。

打脸结论：在深层 ResNet 里，1 层 FC (全连接) 效果最好！
*原因：深层网络本身就有强大的拟合能力，算子内部搞太复杂反而容易过拟合，还增加了计算量。

3.2 Adaptive Weight 派（代表：SpiderCNN, DGCNN）

• 以前的经验：要用多层感知机算权重，还得加 SoftMax 归一化。

• 打脸结论：
  1. 也是1 层 FC 最好。
  2.SoftMax 有毒！加了 SoftMax 反而掉点。
  *原因：SoftMax 会让权重变成正数且和为 1，这相当于一个低通滤波器，会导致特征过度平滑 (Over-smoothing)，丢失高频细节。

最终结论：
只要参数调得对（Sweet Spot），各大门派的性能其实半斤八两。那些复杂的几何设计，在强大的深层网络面前，并没有显示出明显的优势。

4. 极简主义：PosPool 的降维打击 (The Ultimate Weapon) ⚔️

既然复杂的算子没用，作者心想：那我就搞个最简单的，看看底线在哪里。
于是，PosPool (Position Pooling)诞生了。

4.1 原理：简单到令人发指

PosPool 甚至没有可学习的参数（No learnable weights）！

它的逻辑只有一步：把特征和坐标乘起来。
假设邻居特征是f j f_jfj​（维度D DD），相对坐标是Δ p i j = ( Δ x , Δ y , Δ z ) \Delta p_{ij} = (\Delta x, \Delta y, \Delta z)Δpij​=(Δx,Δy,Δz)。
G ( Δ p i j , f j ) = Concat ( f j 0 ⋅ Δ x , f j 1 ⋅ Δ y , f j 2 ⋅ Δ z ) G(\Delta p_{ij}, f_j) = \text{Concat}(f_j^0 \cdot \Delta x, \quad f_j^1 \cdot \Delta y, \quad f_j^2 \cdot \Delta z)G(Δpij​,fj​)=Concat(fj0​⋅Δx,fj1​⋅Δy,fj2​⋅Δz)

• 分组：把特征切成 3 段。
• 乘法：第一段乘x xx，第二段乘y yy，第三段乘z zz。
• 聚合：求平均 (Avg Pooling)。

4.2 为什么有效？

• 显式编码：它直接把几何信息（坐标）注入到了特征通道里，而不是让网络去“猜”几何关系。
• 无参：因为没有参数，所以完全不过拟合，训练速度飞快，显存占用极低。

5. 实验结果：以无招胜有招 🏆

作者用这个“零参数”的 PosPool，在三大数据集上跑了一圈，结果非常凡尔赛：

1. PartNet (细粒度分割)：这是最难的数据集。
   • PosPool 跑出了53.8 mIoU。
   • 之前的 SOTA (PointCNN) 只有 46.4。
   • 直接提升了 7.4 个点！
2. ModelNet40 & S3DIS：
   • PosPool 的表现和最复杂的 KPConv、DGCNN持平甚至略优。
3. 鲁棒性：
   • 当网络变浅、变窄时，PosPool 的性能非常稳定，而那些复杂算子（如 Adaptive Weight）性能会发生雪崩。

6. 总结 (Conclusion)

这篇论文是点云领域的**“奥卡姆剃刀”**，它告诉我们：

1. 别再卷算子了：算子的微小改进，往往会被网络架构的差异掩盖。要比就放在统一的 ResNet 下比。
2. 大道至简：PosPool 证明了，最本质的显式几何编码（乘坐标），比隐式的学习（MLP）更有效、更鲁棒。
3. 深层网络是王道：这篇论文也侧面证明了，与其在算子上雕花，不如把网络做深（Deep Residual），让大数据去教网络做人。

如果你正在设计点云网络，不妨试试 PosPool，说不定能帮你省下一半的显存，还能涨点！

📚 参考文献

[1] Liu, Z., Hu, H., Cao, Y., Zhang, Z., & Tong, X. (2020). A Closer Look at Local Aggregation Operators in Point Cloud Analysis. ECCV.

💬 互动话题：

1. 关于复杂性：你觉得现在的 CV 论文是不是越来越卷“复杂性”了？为什么简单的 PosPool 这种 idea 很难发在顶会（除非效果极其炸裂）？
2. 关于 Transformer：这篇论文发表在 Transformer 统治点云之前（2020）。你觉得现在的 Point Transformer 相比于 PosPool，本质上的优势在哪里？是算子更强，还是架构更强？

📚 附录：点云网络系列导航

🔥欢迎订阅专栏：【点云特征分析_顶会论文代码硬核拆解】持续更新中…

本文为 CSDN 专栏【点云特征分析_顶会论文代码硬核拆解】原创内容，转载请注明出处。