摘要

点云数据处理是众多现实世界系统中的关键组成部分。为此，研究者提出了大量基于点的方法，并在长期实践中持续推动基准测试性能的提升。本文深入分析了这一进展的关键因素，揭示了两个重要发现。首先，我们发现诸如评估方案、数据增强策略和损失函数等辅助因素——这些因素与模型架构无关——对性能具有显著影响。其影响程度之大，足以掩盖模型架构本身的作用。在控制这些变量后，一种相对较早的网络结构PointNet++展现出与最新方法相当的竞争力。其次，一种极为简单的基于投影的方法（我们称之为SimpleView）表现令人意外地出色：在ModelNet40数据集上，其性能达到甚至超过当前最先进的复杂方法，且模型规模仅为PointNet++的一半；在ScanObjectNN这一真实世界点云基准测试中，它同样优于现有最先进方法，并展现出更强的跨数据集泛化能力。