- …
- …
#481
summarized by : Naoya Chiba
どんな論文か？
Graph Convolutional Neural Networksにおいて教師なしで特徴を学習するGraphTERの提案．基本構造はEdgeConvによるGCNNを用いる．グラフにノード単位で変位を加え，変形前後のグラフを入力して変位を推定することで学習する．変形やサブサンプリングによってkNNによる隣接関係が変化する場合（＝グラフ構造自体の変化）も想定する．
新規性
グラフ畳み込みニューラルネットワークによる教師なし表現学習で，ノード単位の変位の推定を用いる．サンプリング手法もLocalとGlobalを実施し性能を比較している．
結果
教師なしで得られた特徴量を固定して，教師ありに転移学習．ModelNet40のクラス分類とShapeNetのセグメンテーションに適用．教師なしとしては高いスコアを達成．Ablation Studyで変形に対してロバストであることを確認．
その他（なぜ通ったか？等）
シンプルで応用先の人生アイデアで，教師なしでGCNによる特徴抽出を実現した．
- …
- …