- …
- …
#101
summarized by : Naoya Chiba
どんな論文か？
グラフ畳み込みを用いた点群のノイズ除去手法GPDNetの提案．DGCNNにように特徴量空間でグラフを動的に計算することで，三次元空間で近傍グラフを貼るのに比べてノイズの多い点群に対してもよい特徴量を得ることができる．ノイズ成分を残差として点群をでノイズするようなネットワーク構造で，問題設定に合わせたグラフ畳み込み手法を導入した．
新規性
エッジごとのShared MLPと距離による減衰項，近傍点に対するAverage Poolingからなるグラフ畳み込みを新規に導入．特徴量空間での動的なグラフ生成，ノイズを残差として処理，Global Poolingなしでネットワークを構築した点が特徴的．
結果
ShapeNetとサブセットで実験．各クラスで優れたノイズ除去性能を達成しており，とくに強いノイズ下では優れたスコアを達成した．動的なグラフ生成によって三次元空間中では広い領域に散らばった点群から特徴量を畳み込んでいることを確認した．シミュレーションによる実センサに近いノイズに対しても適用可能．
その他（なぜ通ったか？等）
https://github.com/diegovalsesia/GPDNet
- …
- …