- …
- …
#504
summarized by : Kai Watabe
どんな論文か？
2Dではテクスチャの情報がリッチで，3Dでは物体の位置情報を豊富に保持している．そこで，推論時に2D，3Dを学習した各モデルで相互に情報を補完させるネットワーク(BPNet)を提案した．これにより．3Dセマセグでは，形状に差異が乏しい物体でも良好な性能を発揮し，2Dセマセグではよりsharperなセマセグを達成した．
新規性
2Dと3Dの情報を相互に補完可能なネットワークを提案した．
結果
ScanNetv2における，2Dおよび3DのセマンティックセグメンテーションにおいてSOTAを達成した．
その他（なぜ通ったか？等）
- …
- …