#591
summarized by : Yusuke Saito
Monte Carlo Scene Search for 3D Scene Understanding
Shreyas Hampali, Sinisa Stekovic, Sayan Deb Sarkar, Chetan S. Kumar, Friedrich Fraundorfer, Vincent Lepetit

どんな論文か？

部屋や複数の部屋の壁、床、天井を復元する３Dシーン理解において、3Dシーンの理解に一般的なAIアルゴリズムを用いることで、学習データの必要性を減らす方法を探る。具体的には、モンテカルロ木探索（MCTS）アルゴリズムを改良したMCSS（Monte Carlo Scene Search）を提案し、ノイズの多いRGB-Dスキャンからオブジェクトや部屋のレイアウトを検索する方法を提案する。
placeholder

新規性

- モンテカルロ木探索MCTSを3Dシーン理解問題における最適化のために用いたこと - 探索木の探索において、ルートノードへの同じ経路上にある候補と空間的に近い候補を探索するようにし、またその候補が局所的に解をどのように改善するかに基づいたスコアを導入し、探索の効率を高める手法をとったこと。

結果

- シーン認識において、Precision, Recall, IoUをSceneCADと比較し、Recall, IoUにおいてはSceneCADを上回った。 - 物体認識の評価では、Scan2CAD、E2EとIoUを比較して良い結果が得られた。 - MCSSで導入したノードスコアの有効性を評価するためにアブレーション評価を行い、その有効性を確認できた

その他（なぜ通ったか？等）

- 3Dシーン理解にモンテカルロ木探索を用いて、データ適用性が高く、また少ないパラメータ調整で学習可能な手法を提案したこと - また結果として、机に隠れた椅子のような、アノテーション困難なシーンに対しても、説得力のあるシーン理解ができている点

このページで利用されている画像は論文から引用しています．