http://openaccess.thecvf.com/content_ICCV_2019/papers/Zheng_PointCloud_Saliency_Maps_ICCV_2019_paper.pdf
问题： 如何确定点云中，对下游任务准确率影响大的一些点。
难点： 简单的排列组合，去掉一些点，然后计算结果，计算上不可行，复杂度高。
研究现状： pointnet及其变体 pointnet++ dgcnn，对于点的缺失都有很强的鲁棒性，归因于PointNet中最大池化层的鲁棒性，识别结果主要由那些关键点确定，因此丢弃某些其他非关键点不会改变预测。
创新点：
1 新的方法，可微，可计算每一个点的重要性
2 研究发现，丢弃那些 “负分的点” 对于模型的性能有提高。
方法： 将drop点的操作，变为将点移动到点云中心，实现操作的可微 。
结论：与临界子集理论相比，我们的显着性图是表征点级甚至子集级显着性的更准确方法。
