#512
summarized by : Naoya Chiba
C-Flow: Conditional Generative Flow Models for Images and 3D Point Clouds

どんな論文か?

フローベースの点群生成手法C-Flowの提案.潜在空間から各表現への可逆なマッピングを学習する.点群に対してはHilbert’s Space-Filling Curve Algorithmで順序付けを行い,部分点群に対するPoolingとChamfer Lossを導入することでフローベースの手法を適用できるようにした.
placeholder

新規性

点群に対してフローベースの生成モデルを適用.Chamfer Loss生成手法全体が可逆であることを利用するInvertible Cycle Consistencyを導入.点群,RGB画像,セグメンテーション,エッジマスクの変換を実現.

結果

三次元形状はShapeNetを用いて検証し,点群と画像の双方向な変換ができることを示した.潜在空間での点群間の補間によって点群の形状の補間ができることも実証.画像同士ではRGB画像,セグメンテーション画像,エッジマスク画像を双方向に変換した.

その他(なぜ通ったか?等)

フローベースの手法で三次元点群を取り扱えるようにした上で,良好な変換結果を得ている.