- …
- …
#438
summarized by : Fumiharu Suzuki
どんな論文か？
アノテーションの労力が大きいpart segmentationを学習するための既存のデータセットは、画像が少ない、部品のカテゴリ数が少ない、顔など単一の対象に限られるという問題がある。本論文では5種類の乗り物のpartを学習可能なデータセットUDA-Partを、少数の実画像および大量の3D CADモデルの画像から作成した。さらに既存のUDA手法より効果の高いGMGという手法を開発した。
新規性
part segmentationのタスクをUDAで行うことを提案し、データセットを用意し、適したUDA手法として、実画像とCAD画像で視点等の似たペアを作り、お互いをモデルに入力した特徴量同士が近づくような幾何変換を見つけ、CAD画像のアノテーションを幾何変換し実画像の擬似ラベルに用いるGeometric-Matching Guided domain adaptation(GMG)を開発した。
結果
今回作成したUDA-Part（PASCAL3D+の実画像＋今回作成のCAD画像）による学習で、PASCAL3DおよびPascalPartデータセットのテストデータに対し、既存のUDA手法（CRST,BDL,CAG,CCSSL)に対しGMGが全てのカテゴリで最高の性能であることを示した。
その他（なぜ通ったか？等）
データセット公開URL：https://qliu24.github.io/udapart/
- …
- …