- …
- …
#26
summarized by : Naoya Chiba
どんな論文か？
Deep Implicit Function (DIF)による三次元形状表現をテンプレートとワープに分離して学習するDeep Implicit Templateを提案．Implicit Functionでテンプレート形状を学習すると同時に，LSTMによってアフィン変換を繰り返し適用することで各インスタンス形状とテンプレートの間のワープをモデル化．インスタンス間の密な対応付けを得ることができる．
新規性
DIFをテンプレートとワープに分離するアイデアが新規．Implicit Functionがクエリ点に対応する関数値によって記述されることに着目し，クエリ点に対応する関数値を求めることができることを利用している．ワープには単純なMLPによるImplicit Functionではなくアフィン変換を反復適用するLSTMを用いることで良好なワープ推定を実現した．
結果
ShapeNetのカテゴリごとの形状再構成を行い，滑らかな形状補間・密な対応の推定を実現した．これを利用してキーポイントを形状間で共有するよう学習でき，アノテーションなしで良好なキーポイント検出を学習できた．導入した正則化によってテンプレート形状が過度に単純化しないことも確認している．
その他（なぜ通ったか？等）
- …
- …