- …
- …
#90
summarized by : Naoya Chiba
どんな論文か？
Depth画像から三次元全周形状をImplicit Functionでの表現で再構成する．画像全体を特徴量に変換してから三次元形状を推定すると学習したカテゴリに強く依存してしまうため，ローカルな特徴量を階層的に抽出し紐付けて再構成することで様々な形状への汎化・観測できていない部分を推定した再構成を実現．
新規性
Depth画像から複数のスケールで階層的に特徴量を取り出し，それらの平均によって形状を再構成するというアイデアが新規．デコードにはOccupancy Networkをスケール単位に利用しているため，純粋に各点での関数値の出力を平均することで平均形状を得ることができる．
結果
ShapeNetで再構成性能を評価し，既存手法と同程度か良好な再構成を実現．また，学習に用いていないクラスでの再構成できること，実データでも再構成できることを確認した．
その他（なぜ通ったか？等）
- …
- …