#11
summarized by : Naoya Chiba
Equivariant Point Cloud Analysis via Learning Orientations for Message Passing

どんな論文か?

点群から取り出したい情報をもとに不変性・同変性を満たすようなネットワークを構成した.タスクによって扱う必要のある性質として,回転・並進不変(クラス分類,セマンティックセグメンテーションなど),回転同変・並進不変(法線推定や速度ベクトル推定),順序不変や同変(これはメッセージパッシングが備えている性質)を整理し,必要な性質を持つようにメッセージパッシングベースのネットワークを設計した.
placeholder

新規性

入力点群の各点について方向を推定することでメッセージパッシングの際に点間の相対位置に応じて適切な特徴量となるようにしている.この際,推定した方向が点群全体の回転に同変になるようにすることで,相対位置を計算したときに回転の影響を打ち消すことができるようにしている.

結果

点群のクラス分類について,入力点群に回転を加えた場合の問題設定で高い性能を達成.法線推定とクラス分類において回転によるデータ拡張なしで学習しても回転したテストデータに対して性能が変わらないことを確認している.

その他(なぜ通ったか?等)