前言：
因為左岸的論文導讀只有一份，而且抄來抄去跟大學生做畢業專題一樣。
所以我打算自己來幫自己讀的 paper 下註解。
這篇文章要告訴你兩件事：
一、語義分割在幹嘛、原理是什麼？
二、語義分割怎麼用在分類點雲？
我這篇不會講太多關於 NLP 實務上怎麼做、怎麼實現…
只會概念式的讓你知道：語義分割與點雲的關係
一、語義分割在幹嘛、原理是什麼？
講語義分割就要稍微介紹一下 NLP（Natural Language Processing）
NLP 就是把 自然語言（人類講的話：英文、中文、德文…）轉成機器可以用的東西，
基本上這就是 NLP 在做的事情。
口說無憑，舉個例子：
假設＂Costco＂這個詞在電腦眼裡看起來是＂０１００＂ ；
＂IKEA＂在電腦眼裡看起來是＂１１１１＂
（BTW 這邊的字串代表向量）
兩個差了 3 bits
那麼這兩個詞在做 NLP 的時候就不會視為同義詞
電腦不會跟你說：IKEA？我都念 Costco ლ(´ڡ`ლ)
如果是＂Ben＂與＂Benny＂的話，因為＂Ben＂是＂Benny＂的縮寫，
所以電腦做 NLP 的時候 這兩個詞的向量就會很接近
簡單來語義分割的用途就是把句子裡面的詞一個一個切出來看向量，
比較資料庫裏面的向量找出使用者到底想要表達什麼意思？
通常語音辨識、輸入會大量用到這個功能
NLP 裡面還有很多東西可以講，這只是大概介紹要用到的功能。
二、語義分割怎麼用在分類點雲？
首先我要引用這張圖片：
（ftrom https://arxiv.org/abs/1801.07829 , Yue Wang, Yongbin Sun, Ziwei Liu, Sanjay E.Sarma, Michael M. Bronstein, Justin M. Solomon）
我們可以看到機身的顏色不一樣（廢話）
黃色代表與選取的紅點關係相近的點
其實這是一張利用＂語義分割＂做＂飛機部件分割＂的訓練過程，
你可以看見由左至右，原本我們找的 紅點 只跟物理距離相近的點有關；
但是越訓練越往右走，你會發現與 紅點 有關的逐漸像是相同的部件而不是物理距離。
最後飛機被分為：機翼、渦輪、機身…等各部件。
在這裡的原始檔案可能是 .ply 或是 .off 都可以
原理就是把頂點的 x,y,z 拿出來去做部件分割
然後我們就會把被語義分割出來的各部件拿去做訓練，這樣就可以取得更好的結果。
（譬如說有些機掰的倒三角翼飛機就不是乖乖的長這樣，但我們可以辨識成飛機。）
你會問為什麼飛機兩邊的翼明明絕對位置不一樣，還能訓練出來？
因為其中利用到 NLP 的句子的語義分割，類似＂Ben是我＂、＂我是Ben＂
為同義句，在數學中就是 幾何變換 （geometric transformation）
可以寫矩陣轉換過去，至於怎麼寫就那又是一門學問了
先交給我們電信仔就行惹 ლ(´ڡ`ლ)
有時間再來談談實作，或許先從怎麼 initial data 開始是不錯的選擇？