#700
summarized by : Naoya Chiba
TextureNet: Consistent Local Parametrizations for Learning From High-Resolution Signals on Meshes

どんな論文か?

3D表面のテクスチャ(RGBや法線マップ,前レイヤーの出力など)の周波数の高いシグナルから特徴量を取り出すため,4-rotational symmetric(4-RoSy) field上での畳み込みを提案.これを用いたネットワークTextureNetにより,室内シーンのセマンティックセグメンテーションでSOTAを大きく更新.
placeholder

新規性

各点における連結関係を維持しつつ回転についての曖昧さを対しては対称になるような畳み込みを行うことで,回転対称かつ局所的な表面テクスチャを考慮した特徴量を抽出できる.このような特徴量はメッシュ上での畳み込み演算として都合が良い.

結果

室内シーンのセマンティックセグメンテーションタスクについて,ScanNetとMatterport3Dで評価.幾何情報のみを用いた場合でもSOTAを大きく更新しており,RGBを用いるとさらに性能は向上する.

その他(なぜ通ったか?等)