#17
summarized by : Naoya Chiba
Learning Local Displacements for Point Cloud Completion

どんな論文か?

計測して得られた片面点群から全周点群を再構成するための手法の提案.局所特徴量の抽出と局所でのプーリングで工夫があり,さらにTransformerと組み合わせることで物体・シーンの全周補完タスクで高い性能を達成した.
placeholder

新規性

特徴量の抽出において,入力局所点群の特徴量の着目点との差分と学習可能パラメータで構成された集合について最近傍点を選択する.これにより点数を一定に減らしながら局所特徴量を得る.またプーリングとして要素ごとにハイパボリックタンジェントをかけてから総和をとる.ネットワークはボトルネック構造のエンコーダー・デコーダーで,Transformerを組み合わせたバージョンも提案.

結果

Completion3D, PCN MVPのデータセットで片面点群からの全周補完を評価しSoTA.Semantic Scene Completionのタスクでも実証し高い性能を達成.

その他(なぜ通ったか?等)