#992
summarized by : Hirokatsu Kataoka
Geometrically Principled Connections in Graph Neural Networks

どんな論文か?

3Dメッシュ処理のためのグラフニューラルネット(Graph Neural Networks; GNN)を提案。
placeholder

新規性

GNNにRadial Basis Functions(RBF)を導入、Affine Componentと統合することで、3次元表面の接続に関する情報を実験的により良く取得することができた。

結果

提案のAffine Component + RBFを用いた表現は形状再構成、密な特徴点マッチング、分類などのタスクにおいてベースラインを上回る性能を実現した。シンプルながら効果的な提案手法は、スタンダードになると期待。

その他(なぜ通ったか?等)