- …
- …
#715
summarized by : Yue Qiu
どんな論文か？
PartialかつNoisyなRGB-D scansデータからhigh-qualityな3DデータをリコンストラクションするSelf-Supervisedな手法を提案．提案手法は入力のScanデータから更にFramesを除くことで、入力よりスパースな3次元データを作成．作成したスパースなデータから入力データを復元することでSelf-Supervisedを行う．また3D sparse GANを提案．
新規性
①従来の3次元Supervised手法では大量な学習データが必要となり，この論文で入力の3次元から自己監督学習を可能にし、Simulatedデータを用いずにRGB-DScannedデータだけから3次元のRepresentationの学習を可能にした．②新たなsparse convを用いた生成モデルを提案し，Coarse-to-fineで高解像度を持ったRepresentationを学習できる．
結果
①2センチのResolutionで3次元シーンのCompletionをできる．従来のSOTAの2倍くらいのResolutionを実行可能にした．②既存の複数の3次元補完データセットでSOTAな精度を達成；
その他（なぜ通ったか？等）
提案手法がSelf-Supervisedでオリジナルの入力データだけから学習可能であり、提案手法を実RGB-D Scannedデータから学習できる．提案手法を用いることで、Simulatedデータを用いずに大規模なSceneのUnderstandingの学習が可能．
- …
- …