- …
- …
#793
summarized by : Ryosuke Araki
どんな論文か？
end-to-endで微分可能な法線推定のネットワークを提案．重み付け最小二乗誤差を最適化し，グラフNNでカーネルパラメタとローカルオリエンテーションを推定し，重みを再調整して最初のステップに戻る．
新規性
Deepベースの手法ではデータドリブンで高精度だが，微小な入力の変化や計算効率で問題がある．それを解決するために，最小二乗問題を学習可能な重み付け手法を用いて解く．
結果
他のDeepベースの手法（Nesti-Net, PCPNet）と比べて遥かに高速で，パラメタ数も少ない．ノイズや点群の密度変化を与えても，精度がほとんど変化せず安定した推定が可能．
その他（なぜ通ったか？等）
- …
- …