当前位置：首页 > news >正文

【论文精读（二十一）】ASSANet：给PointNet++做个“外科手术”，速度翻倍精度暴涨（NeurIPS 2021）

news 2026/5/11 20:43:05

Qian, G., Hammoud, H. A. A. K., Li, G., Thabet, A., & Ghanem, B. (2021). ASSANet: An Anisotropic Separable Set Abstraction for Efficient Point Cloud Representation Learning. NeurIPS.

博主导读：
在点云深度学习的江湖里，PointNet++绝对是元老级的存在。虽然现在的 SOTA 榜单上充满了各种图卷积、Transformer，但当你真的要落地部署（特别是搞自动驾驶、手机AR）时，你会发现——还是 PointNet++ 最香。
但是，PointNet++ 也有它的“老年病”：算起来还是有点慢，且 Pooling 操作太粗糙。
这篇 NeurIPS 2021 的ASSANet就像一位精通解剖学的“外科医生”，它没有推翻 PointNet++ 重来，而是对它的核心器官——SA (Set Abstraction) 模块——进行了两场精准的“微创手术”。
结果令人惊叹：手术后的 ASSANet 不仅保留了 PointNet++ 的极简风格，而且在精度上吊打了一众复杂的 SOTA，速度更是快得飞起！
论文：ASSANet: An Anisotropic Separable Set Abstraction

1. 问诊：PointNet++ 到底哪儿“虚”？

在动刀之前，我们先给 PointNet++ 做个全身体检。作者通过延迟分解 (Latency Decomposition)发现，PointNet++ 的慢，90% 都是因为计算量大。

具体病灶主要在两个地方：

计算冗余（虚胖）：PointNet++ 在每个局部区域找了K KK个邻居（通常K = 32 K=32K=32），然后对这K KK个邻居的特征分别跑 MLP。
- 后果：这导致计算量直接翻了K KK倍！其实很多特征提取工作不需要在邻居层面做，在中心点做就够了。
视力模糊（散光）：PointNet++ 最后是用Max Pooling把邻居特征聚合成一个点。
- 后果：这是一种各向同性 (Isotropic)的操作。它分不清“左边的邻居”和“右边的邻居”，导致丢失了关键的几何方向信息。

ASSANet 的治疗方案：

第一刀（瘦身）：把 MLP 拆开，移到点上算 ——Separable SA。
第二刀（矫正）：引入位置权重，区分方向 ——Anisotropic Reduction。

2. 第一刀：可分离 SA (Separable SA) —— 速度起飞 🚀

这一招的灵感来自于 CV 界的轻量化神作MobileNet（深度可分离卷积）。

PointNet++ 的做法 (Vanilla SA)：
- 先找邻居→ \to→再对每个邻居跑 MLP。
- 计算量：O ( N × K × C o u t ) O(N \times K \times C_{out})O(N×K×Cout)。太重了！
ASSANet 的做法 (Separable SA)：
- 先跑 MLP：在找邻居之前，先对中心点特征做一次 MLP（Point-wise）。
- 再找邻居：拿着处理好的特征去 Grouping。
- 后跑 MLP：聚合之后，再做一次 MLP。
- 计算量：O ( N × C o u t ) O(N \times C_{out})O(N×Cout)。
- 效果：直接把计算量里的K KK给消掉了！速度瞬间提升。

3. 第二刀：各向异性归约 (Anisotropic Reduction) —— 精度回血 🎯

如果只做第一步瘦身，速度是快了，但精度会掉（因为丢失了邻居间的交互）。为了补回精度，作者对 Pooling 层动了手脚。

PointNet++ 的做法 (Isotropic)：
- Max_Pooling([f1, f2, ..., fk])。
- 不管邻居在哪，一视同仁。
ASSANet 的做法 (Anisotropic)：
- 利用相对坐标( Δ x , Δ y , Δ z ) (\Delta x, \Delta y, \Delta z)(Δx,Δy,Δz)给特征加权！
- 操作：把特征f ff分别乘以归一化的Δ x , Δ y , Δ z \Delta x, \Delta y, \Delta zΔx,Δy,Δz。
- 公式：
  f n e w = Concat ( f ⋅ Δ x , f ⋅ Δ y , f ⋅ Δ z ) f_{new} = \text{Concat}(f \cdot \Delta x, \quad f \cdot \Delta y, \quad f \cdot \Delta z)fnew=Concat(f⋅Δx,f⋅Δy,f⋅Δz)
- 效果：这样网络就能知道特征是来自“上方”还是“左方”了。这就把丢失的几何结构信息找回来了。

这就像是给近视眼戴上了眼镜。以前看邻居是一团模糊，现在能看清谁在左边、谁在右边了。虽然多了一步乘法，但因为是在 Reduction 阶段做的，几乎不增加计算负担。

4. 合体：ASSANet 与数据流

把 PointNet++ 里所有的 SA 模块都替换成ASSA 模块，就得到了ASSANet。

宏观架构

它依然保持了经典的Encoder-Decoder结构：

Encoder：4 个阶段，通过 ASSA 模块不断下采样、提取特征。
Decoder：通过 FP 模块上采样，并与 Encoder 特征进行 Skip Connection 拼接。
Head：接全连接层输出分类或分割结果。

性能怪兽

作者还研究了如何把模型做大做强 (Scaling)：

ASSANet-L (Large)：加宽通道、加深层数。
即便如此，它依然比那些复杂的图卷积网络要快得多。

5. 实验：吊打全场 (Experiments) 📊

作者在三大经典任务上验证了疗效。

5.1 场景分割 (S3DIS Area 5)

这是最硬核的指标。

PointNet++：55.6 mIoU。
ASSANet：63.0 mIoU。
- 提升：+7.4 mIoU！
- 速度：快了1.6 倍。
ASSANet-L：66.8 mIoU。
- 对比 KPConv (65.4 mIoU)，精度更高，且速度快了54 倍！这是什么概念？这是降维打击！