摘要

本文提出了一种基于样本间插值的点云数据增强方法。在图像领域，基于插值的数据增强方法（如Mixup）已被证明是一种简单而有效的方法。然而，这种插值策略难以直接应用于点云数据，原因在于不同物体之间的点之间并不存在一一对应关系。为此，本文将点云间的数据增强定义为最短路径线性插值。基于此，我们提出了PointMixup，一种通过在两个点云之间求解最优匹配路径函数来生成新样本的插值方法。我们证明了PointMixup能够找到两点云之间的最短路径，且其插值过程具有匹配不变性与线性特性。基于该插值定义，PointMixup可有效引入强正则化策略，如Mixup和流形Mixup，应用于点云数据领域。实验结果表明，PointMixup在点云分类任务中展现出显著潜力，尤其在样本稀缺的情况下表现优异，并能有效提升模型对噪声及几何变换的鲁棒性。PointMixup的代码及实验细节均已公开。