- …
- …
#118
summarized by : Naoya Chiba
どんな論文か？
三次元点群の位置合わせ手法 Iterative Distance-Aware Similarity Matrix Convolution Network (IDAM) の提案．特徴量空間での距離とユークリッド空間での距離を両方用いた対応点ペアのマッチングを行う．さらに明示的なキーポイントの教師なしで重要な点を取り出す手法も提案しており，高計算効率かつ低誤対応化を実現．
新規性
はじめに点ごとの特徴量から重要度を計算し，特徴点を取り出す．その後全特徴点ペアについて両特徴量，点同士の距離，正規化した点ペアの方向ベクトルをまとめ，これをShared MLPで変換，SoftMaxを通して類似度として回帰する．更に点ごとのvalidityスコアを推定し，このスコアで中央値より低い点を破棄・中央地以上の点には重み付けして姿勢推定を行う．
結果
ModelNet40で位置合わせを行い学習に用いたカテゴリ/用いていないカテゴリで検証．特徴量としてFPFHとシンプルなGNNを試した．ノイズのない場合には既存のHand Craftedな特徴量と同程度の性能で，ノイズを加えた場合にはおおよそ良い性能だった．
その他（なぜ通ったか？等）
https://github.com/jiahaowork/idam
- …
- …