#802
summarized by : Takuma Yagi
Spherical Regression: Learning Viewpoints, Surface Normals and 3D Rotations on N-Spheres

どんな論文か?

2次元回転、法線、3次元回転などのn-sphere(n次元超球面)上の回帰問題を安定して学習するための新しい出力層の提案。
placeholder

新規性

CVの多数の問題に出現する制約付き回帰問題(-180度から180度など)において汎用的に使えるspherical exponential mappingsの提案。分類問題におけるsoftmax関数の誤差逆伝播に着想を得て、任意値を取る出力手前の層の値によって勾配が乱れないような正規化演算を出力層で行う。

結果

カメラ視点予測(1次元)、表面法線推定(2次元)、物体の3次元回転推定(3次元)の各タスクに提案した正規化を追加することで元モデルの精度を大きく向上できること、勾配の分散を低く抑えられることを実証。

その他(なぜ通ったか?等)

良い論文。従来その不安定性から敬遠されがちであった回帰問題に焦点を当て、汎用性が高く強力なツールを提供。使いやすいように具体的な出力空間における実装例の解説もしており親切。ただし定式化の関係で回帰と分類を同時に解く必要がありやや実装が煩雑なのが△。