- …
- …
#175
summarized by : Naoya Chiba
どんな論文か？
点群のシーンフロー推定を合成データで学習・実シーンでの推論に利用する手法の提案．GTA-V Engine上でデータを生成し大規模合成データセットを構築した．また，ドメインギャップに対応するための工夫としてTeacher-StudentモデルとEMAによるパラメータ更新で教師なしでドメイン適用する．さらに点群を想定した正則化・精緻化を導入・学習し，実計測点群でのシーンフロー推定を実現した．
新規性
教師なしドメイン適用を点群のフロー推定に用いることによって合成データから実シーンのフロー推定を学習可能にした点が新規．学習時には推定したフローで点を移動したときに点が重なることを仮定したDeformation RegularizationとCorrespondence Refinementを導入することで，教師なしで位置合わせについてのロスを計算する．
結果
GTA-V Engineで生成したデータセットGTA-SFかFlyingThings3Dで学習後，Waymo Open Dataset，Lyft Level 5 dataset，KITTI Scene Flow 2015の各データセットに適用する．いずれのケースでも既存手法と比較して優れた性能を達成した．提案した各モジュールの寄与についても評価．
その他（なぜ通ったか？等）
- …
- …