- …
- …
#530
summarized by : Naoya Chiba
どんな論文か?
三次元点群のData Augmentation手法.敵対的サンプルを生成するためのネットワークAugmentorを導入し,データセットのサンプルを識別器が誤判断するようなサンプルに変形して学習させる.各種点群処理ネットワークに適用し性能が向上.
新規性
三次元点群に対してEnd-to-endで学習可能なData Augumentationを行った点が新規.点群全体の変形行列と点ごとの並進ベクトルをそれぞれ生成し入力点群に適用する.
結果
データセット3つ(ModelNet10, ModelNet40, SHREC16)に対するクラス分類を,ネットワーク4つ(PointNet,PointNet++,RSCNN,DGCNN)に対して行う.これらのいずれも提案するData Augmentationで分類性能・ロバスト性が向上した.別のアプリケーション例として,三次元形状の検索タスクにおいても性能が向上することを示した.
その他(なぜ通ったか?等)
Adversarial Trainingを三次元点群に適用,End-to-endで学習可能で様々なネットワークに対して効果がある.
- …
- …