近日，我院题为“PathNet: Path-selective Point Cloud Denoising”的几何强化学习研究论文被人工智能领域国际期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（IEEE TPAMI）录用。该论文的第一作者为我院博士生魏泽勇，指导教师为魏明强教授。

论文提出了一种基于几何强化学习的网络路径选择方法PathNet。传统学习方法往往对单个网络进行优化，使其模型参数适应于点云中每个三维点（3D Point）。PathNet使用能够感知三维几何信息的强化学习Agent，为每个三维点动态选择最合适的网络路径。该成果已应用在保持特征的三维点云去噪任务中，取得了SOTA结果。

论文源码已公开https://github.com/ZeyongWei/PathNet

《IEEE Transactions on Pattern Analysis and Machine Intelligence》是CCF推荐的人工智能领域四个A类期刊之一，最新影响因子为23.6。涵盖了模式识别、计算机视觉、机器学习、数据挖掘等方向，是该领域研究人员交流最为活跃的期刊之一。