- …
- …
#677
summarized by : 山田亮佑 (Ryosuke Yamada)
どんな論文か？
セマンティックセグメンテーションのために大量の三次元点群から空間的な文脈特徴を効果的に学習するには？という問いに対しての調査研究．
上記の問題に対して，1. 三次元点群による局所的な文脈をどのように表現すべきか？ 2. 局所的な文脈の特徴をどのように学習すべきか？ 3.グローバルな文脈的特徴をどのように学習すべきか？
という3つのサブ問題に細分化する．
3つの問題を解決するためにSFCを提案する．
新規性
1. 各3次元点に対して局所的にz軸回転不変な表現を学習するLocal Polar Representation（LPR）の提案．
2. 幾何学的距離と特徴的距離に基づいて、効果的な局所特徴を学習するDual-Distance Attentive Pooling (DDAP)の提案
3. global contextを学習するGCF（Global Contextual Feature）の提案
結果
S3DISにおいて，71.6% (mIOU), 82.7% (mAcc), 88.4% (OA)を達成．
従来手法であるRandLA-Net等よりも高精度な結果．
その他（なぜ通ったか？等）
性能が良いのは当然だが，様々なネットワークに適用可能であることが非常に貢献が大きい．
- …
- …