Análisis comparativo de segmentación semántica de nubes de puntos con redes neuronales.

Desde sus inicios, el ámbito de la visión por computador se ha esforzado por recabar de imágenes 2D y espacios 3D la información y el conocimiento que el ser humano puede extraer fácilmente con un solo vistazo. Los métodos más efectivos han apostado por llevar el concepto de inteligencia artificial un paso más allá, optando por unir la extracción de información con el uso de redes neuronales, dando como resultado lo que hoy llamamos aprendizaje profundo, una de las ramas de la computación que más desafíos ofrece a día de hoy. Este artículo no busca sino realizar una recopilación de aquellos métodos que siguen siendo la base, como PointNet, de muchos estudios recientes, así como aquellos que bien podrían suponer nuevas líneas de investigación en el campo de la segmentación semántica de escenas y modelos tridimensionales, dada la importancia y el reto derivado de trabajar con nubes de puntos. Con este objetivo, se realiza una comparativa entre los métodos para quienes deseen introducirse en este campo, considerando aspectos que se creen convenientes para trabajar con nubes de puntos reales.