#721
summarized by : Naoya Chiba
Adaptive Hierarchical Down-Sampling for Point Cloud Classification

どんな論文か?

三次元点群のAdaptiveなダウンサンプリング手法の提案.k-NNグラフベースの点群の畳み込みは点数を減らすことで大幅に計算量を下げることができることに着目.順不同な点群をサンプリングできるCritical Points Layer (CPL)を導入し,重要な点を残すように動的にサンプリングする.さらに重み付け和に緩和したWeighted CPLも提案.
placeholder

新規性

点群のダウンサンプリングを学習可能にする取り組みが新規(このあたりが新規であった時期にarXivに投稿されている).各特徴量のチャンネルごとに値がMaxとなっている点が重要であると考え,それらの点を残すようサンプリングする.

結果

EdgeConvと組み合わせてModelNet40のクラス分類タスクで検証,比較的高いスコアを達成.Ablation StudyではEdgeConvの層数,ボトルネックの次元数,ダウンサンプリングの比率,モデルサイズ・推論時間について言及.

その他(なぜ通ったか?等)