इस पेपर में, हम LiDAR पॉइंट क्लाउड से ऑब्जेक्ट्स का पता लगाने के लिए एक ग्राफ न्यूरल नेटवर्क का प्रस्ताव करते हैं। इस उद्देश्य के लिए, हम निश्चित त्रिज्या के निकट-परिजनों के ग्राफ में पॉइंट क्लाउड को कुशलतापूर्वक एनकोड करते हैं। हम एक ग्राफ न्यूरल नेटवर्क डिजाइन करते हैं, जिसे पॉइंट-GNN कहा जाता है, ताकि ग्राफ में प्रत्येक वर्टेक्स का संबंध जिस श्रेणी और आकार से है, उसे भविष्यवाणी कर सकें। पॉइंट-GNN में, हम अनुवाद विविधता को कम करने के लिए एक ऑटो-रजिस्ट्रेशन तंत्र का प्रस्ताव करते हैं, और कई वर्टेक्स से डिटेक्शंस को सही ढंग से संयोजित करने के लिए एक बॉक्स मर्जिंग और स्कोरिंग ऑपरेशन डिजाइन करते हैं। KITTI बेंचमार्क पर हमारे प्रयोग दिखाते हैं कि प्रस्तावित दृष्टिकोण केवल पॉइंट क्लाउड का उपयोग करके उत्कृष्ट सटीकता प्राप्त करता है और यहां तक कि फ्यूजन-आधारित एल्गोरिदम को भी पराजित कर सकता है। हमारे परिणाम ग्राफ न्यूरल नेटवर्क के 3D ऑब्जेक्ट डिटेक्शन के लिए एक नए दृष्टिकोण के रूप में उपयोग करने की संभावनाओं को दर्शाते हैं। कोड https://github.com/WeijingShi/Point-GNN पर उपलब्ध है।
शी एट अल। (सोम,) ने इस प्रश्न पर अध्ययन किया।