Chu Y M, Chieh L, Hsieh T I, et al. Shape-Guided Dual-Memory Learning for 3D Anomaly Detection[J]. 2023.（为毛paperwithcode上面曾经的榜一引用却只有1）
摘要
专家学习
无监督
第一个专家：局部几何，距离建模
第二个专家：2DRGB，局部颜色外观
引言
（关于PRO这个指标，我的理解是相比起交并比，PRO是直接计算预测比上真实，作为重叠率，然后类似auc那样计算各个阈值下的情况得到曲线再计算面积）
方法
根据相关工作中的观点，重点提取点云中的旋转不变特征，隐式表示，通过符号距离函数对找到粒度的 3D 局部结构进行建模
以及颜色外观和几何坐标的双专家聚合
3D
重点是局部几何来考察3D信息，一是因为异常只在局部，二是因为局部点云信息可扩展（？）
2D
（我的理解就是拿点云中“拓扑化的体素”单元与2d图像中的像素patch块做特征对齐，然后类似一种双模态的融合）
（听说这个memory bank最近在异常检测等领域很火，但我的理解这不就是一个空间换时间的内存特征数据库嘛，随时提供正常特征作为模板来检索比对。而且还和模型一起保存下来？融入作为模型的一部分？不然推理时怎么比对嘛，那么这样的话感觉领域针对性好强，也太不够通用了吧）
实验
点云的分块甚至是预处理之间的，PointNet和NIF模型这两个冻结的玩意也是这里用patch训练的，所以有选型实验（但是这就有点那啥）
感觉有点怪，怪不得引用量不高？赶紧再看看代码