kpconv与point transformer异同、算法讲解

相同之处：

1. 网络架构相似，其均由encoder、decoder组成；都有降采样、升采样和跳跃链接；
2. 其核心kpconv算子和transformer算子穿插于上述网络架构中；
3. 在每层降采样环节中，不需要多个并行算子处理，只需要单个算子，来操作整个epoch数据。

不同之处：

1. 在降采样环节，Point tranformer采用最远点采样法(Farthest Point Sampling, FPS)；kpconv采用格网采样(Grid sampling)方法，Kpconv主要是为了参照图像卷积strided滑块的思想；
2. 在降采样环节提取特征时，Point transformer通过FPS减少点后，采取KNN、mlp、local max pooling的方法进行融合已经丢掉的点的特征信息。之后通过transformer对此块点云位置及特征，其数量为固定数量1024或2048，进行生成新的特征向量操作，位置不变。
3. 在降采样环节提取特征时，Kpconv的特征获取主要是对每个点通过一定半径来提取；同时参照了resnet网络，有个类似的残差链接。
4. 在升采样环节，Point transformer通过三次最近插值和跳跃链接的值相接，后右加transformer；Kpconv通过最近邻上采样nearest upsampling和跳跃链接来赋值，后加了个1*1的卷积。

算法，后续再加