- …
- …
#262
summarized by : Naoya Chiba
どんな論文か？
高解像度なまま三次元データを省メモリなNNで取り扱うための枠組み，Occupancy Networksの提案．NNでクラス分類する際の境界面をもちいて形状を陰的に記述する．従来のボクセルや点群，メッシュに比べ，連続性を保ちつつ様々なトポロジーの物体を記述できる．点数・頂点数による制約もない．学習した三次元形状をメッシュとして取り出すための手法MISEも合わせて提案．
新規性
NNの分類境界を用いて三次元形状を記述するということを明確に主張し，そのようなネットワークの学習法とネットワークから形状を取り出すための手法を合わせて提案したことが新規である．
結果
ボクセル化した場合と比較して再構成の性能をVolumetric IoUで評価し，高い三次元形状の表現能力を有していることを示した．また，単視点画像からの再構成やノイズの多い点群からの再構成，ボクセルを入力とした超解像，Unconditionalなメッシュ生成なども行い，いずれもOccupancy Networksの有用性を示す結果となった．Ablation Studyも行っている．
その他（なぜ通ったか？等）
- …
- …