- …
- …
#296
summarized by : Naoya Chiba
どんな論文か？
Adversarial Trainingによって点群のクラス分類の性能向上を目指す手法の提案．特徴量を回転不変にするアプローチではないため，性能低下がほとんどなく回転に対するロバスト化を実現できる．サンプルプールとワンステップでの最適化を用いることで効率よく学習できた．
新規性
本来の目的関数であるクラス分類のためのロス関数を最大化するような回転を勾配ベースで推定することでAdversatial Trainingを行う．回転は回転軸に沿った回転を推定・回転行列を更新することで敵対的サンプルを生成，さらにカテゴリ内で敵対的サンプルの回転角度を再利用することでサンプル効率良く学習ができる．
結果
ModelNet40とShapeNet16でPointNet，PointNet++，DGCNNについて提案法を組み込み性能を評価，提案法を組み込むことで性能の悪化なく回転についてロバストになることを示した．
その他（なぜ通ったか？等）
- …
- …