- …
- …
#440
summarized by : Naoya Chiba
どんな論文か？
三次元点群の位置合わせのためのLocal Descriptorを提案．微分可能レンダラーを用いてMulti-ViewなDepthのパッチ画像を生成して2D CNNで特徴マップを計算．Soft-view Pooling（Softmaxを用いたView Pooling）を行い特徴マップを統合してからMLPで特徴量に変換．Triplet Lossで学習する．
新規性
微分可能レンダラーで視点位置を学習可能パラメータとし，点群位置合わせに適した視点を自動的に獲得するようにした．また，View-poolingに3D ConvとSoftmaxを用いることで全画像に勾配が伝播するため，学習が進みやすくなることを期待．
結果
3D Match Datasetで検証しSoTAを達成．3D Matchほどではないが，近年の手法のなかでは比較的高速に推論できる．ETH benchmarkでも比較的良好な推定ができている．Ablation Studyについても記述しており，パラメータを変更した場合の評価を実施．
その他（なぜ通ったか？等）
微分可能レンダラーによるMulti-view CNNを点群位置合わせに用いるアイデアが面白い．導入したSoft-view Poolingも分かりやすいアイデアで，性能も良好．
- …
- …