- …
- …
#569
summarized by : Naoya Chiba
どんな論文か？
三次元点群のサンプリングを学習可能な枠組みで行うネットワークSampleNetを提案．PointNet構造でクエリ点を生成し各クエリ点に対して近傍点を求め，それらの重み付き平均でサンプル点を配置する．ダウンサンプリングされた点群に対してタスクに応じた学習することで，性能をあまり犠牲にせず高速に推論するネットワークを実現できる．
新規性
Learning to Sampleを拡張し，入力点群の良い単純化になることを期待する（クエリ点が元の点群上に近くなるようにする）Lossを追加．
結果
クラス分類（ModelNet40）・位置合わせ（ModelNet40）・再構成（ShapeNet Core55のいくつか）位置合わせはPCRNet，再構成はAchlioptasらの手法を用いた．FPS，S-Net (Learning to Sample)と比較して，サンプル点数を減らしても性能が下がりにくいことを示した．
その他（なぜ通ったか？等）
アプリケーションに応じたダウンサンプリングは有用であることは以前から予想されており，本論文では実際に実際に様々なタスクを非常に少ない点数で実現できることを示した．差分となっているアイデアが三次元点群特有の性質をうまく利用している．
- …
- …