- …
- …
#20
summarized by : 古川遼
どんな論文か？
ニューラル陰関数を用いた点群からの表面再構成. 多くの手法は物体やシーン全体の陰関数を1つの潜在ベクトルにエンコードするため, スケーラビリティの問題がある. 対策として3Dグリッドやパッチ上の潜在ベクトルを用いる方法があるが, 空間全体に情報が付与されるなどの問題がある. 対策として, 点群畳み込みを用いて各入力点に対して潜在ベクトルを計算し, それを元に学習ベースの最近傍補間を行う手法を提案.
新規性
陰関数表現のための特徴量を点群畳み込みを用いて各入力点に付与. クエリからの相対的な重みを学習する補間方法を導入. 高密度や多くの点群を扱うために, 推論時の効率的な augmentation を導入. 物体やシーンのデータセットにおいて, 既存手法より高精度かつ高速.
結果
物体やシーンのデータセットにおいて, 既存手法より高精度であり, より細かい再構成ができた. 学習を物体に対して行い推論をシーンに対して行うなどのドメインシフトに対してロバスト. シーンにオーバフィットする手法や各クエリに対してスクラッチで推論を行う手法よりも高速.
その他（なぜ通ったか？等）
GitHub: https://github.com/valeoai/POCO](https://github.com/valeoai/POCO
- …
- …