- …
- …
#597
summarized by : 古川遼
どんな論文か？
3D形状の空間の学習のタスク. 近年提案された frame averagin の枠組みを用いて, ユークリッド運動群の作用で同変なencoder・decoderを提案. さらに, 区分的にユークリッド運動な群の作用で同変なものも提案. 剛体デーセットでの点群からの陰関数の学習や, 多関節形状データセットでのメッシュ再構成の学習において, 未知の評価データに対する汎化性でSOTAの精度を達成.
新規性
近年提案された frame averaging の枠組みを形状空間の学習に適用し, 強力な同変autoencoderの構築手法を示した. 構築方法は, 様々なネットワーク構造へ容易に適用可能で, 損失関数の変更が不要である. 人体などの多関節形状に適用可能な, 区分的にユークリッド運動の作用で同変なautoencoderを導入した.
結果
大域的・区分的なユークリッド運動群の変換の大きく2種類に関して実験. 前者では, DFaustでメッシュ再構成の学習, CommonObject3Dで点群からの陰関数の学習を実験. 同変性の他手法(例えば, 陰関数+Vector Neuron)に比べて良い精度. 後者では, DFaust・SMAL・MANOなどでメッシュ再構成の学習の実験. 変形に制約をかけるARAPRegに比べて良い精度.
その他（なぜ通ったか？等）
- …
- …