#62
summarized by : Naoya Chiba
Learning a Structured Latent Space for Unsupervised Point Cloud Completion

どんな論文か?

教師なしで点群の全周補完を行うための潜在空間の学習手法の提案.潜在空間を形状を表すコードとオクルージョンを示すコードに分離しエンコーダー・デコーダーネットワークで学習する.エンコードして得られた形状のコードと全周点群に対応したオクルージョンコードを利用してデコードすることで全周点群を得ることができる.
placeholder

新規性

点群の欠損・補完に対応した潜在空間をランキング学習によって行うというアイデアが新規.オクルージョンによって点を減ずるように点群のサブセットを構成することでランキングの教師信号を得ることができることを利用し,N-pair Lossで学習する.形状のコードとオクルージョンコードをうまく分離するため,同一形状・異なるオクルージョンのデータのコード部分を入れ替えて適切に再構成されるようなロスも用いる.

結果

ShapeNetから合成したCRN,3D-EPN,PartNetで学習・評価し,高い性能を達成した.さらに合成データで学習したモデルでKITTI,ScanNet,MatterPort3Dによる実データで実験しうまくできていることを確認.Ablation Studyとして各提案要素が性能に寄与していることを評価.

その他(なぜ通ったか?等)