#300
summarized by : Naoya Chiba
Denoise and Contrast for Category Agnostic Shape Completion

どんな論文か?

自己教師学習による全周形状補完とデノイジング手法.EdgeConvとMax-PoolingによるGlobal EncoderとGConvによくLocal Encoderで特徴量を抽出後,各点の特徴量をEdgeConvとSelf-Attentionを内包したSAG Poolingでを組み合わせたネットワークで処理し全周点群を再構成する.
placeholder

新規性

グラフ畳み込み手法を点群の補完に用いたこと,点群の補完とともにデノイジングを学習することで適切な局所特徴量を抽出,また同一サンプルが近く・異なるサンプルが遠くなるように学習することで大域特徴量を抽出するようにタスクを設計したことが新規.これにより適切な特徴量の抽出と欠陥領域もうまく再構成ができるような特徴量となった.

結果

ShapeNet-Partで実験し,CDで高いスコアを達成.また,大きな欠損に対してもロバストであること,学習時と異なるカテゴリについてもうまく再構成できていることを確認した.

その他(なぜ通ったか?等)