- …
- …
#244
summarized by : Takehiro Matsuda
どんな論文か？
LiDAR 3Dデータはセンサーによって認識に不一致が生じる課題がある。そこで本研究では疎なLiDARデータをDense(面的)なデータに補間するネットワークを提案した。それによりドメイン(データセット)による不一致が軽減された。
新規性
LiDAR 3DデータについてのDomain Adaptationの性能が向上した。
SourceとTargetを共通の特徴量空間(密な点群)に変換するSparse Voxel Completion Network(SVCN)を提案している。
結果
Waymo，KITTI，nuScene datasetでdomain adaptationしたmIoUを評価し，従来手法よりも6.3-37.6%高い性能を得た
その他（なぜ通ったか？等）
LiDAR 3Dデータに対して一般的な特徴量の共変量シフトのようなDomain Adaptationのアプローチではなく、データそのものを機械学習で性能が出やすいDenseなものにするアイディアが評価されたのではないか。また、その手法はLiDARデータを扱う際にDomain Adaptationを行うことで性能向上で大きな貢献があったため通っていると考える。
- …
- …