- …
- …
#129
summarized by : Naoya Chiba
どんな論文か？
点群深層学習に用いられる手法の多くがノイズにロバストではないことを指摘，物理学で用いられた無秩序な系の統計的な特性を理解するためのOrderly Disorderのアプローチでこの問題の解決を目指し，ランダムなサブセットから得られる特徴量からの線形変換でグローバルな特徴量が予測できるようなロスを導入した．ノイズのない点群データで学習し，テスト時にノイズを加えてもロバストに推定できる．
新規性
Orderly Disorderでの議論を点群深層学習に導入した点が新規．Cloning decompositionを用いる手法を提案した．同一の点群をランダムにダウンサンプリングし，これらをCloning Subsetとして処理する．各点群からkNNとヒルベルトカーネルを用いて局所特徴量を抽出，Shared MLPとMax Poolingで特徴量を集約してからMLPで出力する．
結果
クラス分類（ModelNet40）とセマンティックセグメンテーション（ShapeNet）で検証，既存の点群深層学習ネットワークと比較して良好な性能を達成．さらにノイズを加えたときのロバスト性が高いことを確認した．ネットワークのパラメータ数を比較すると既存手法よりもとても少ないため，省パラメータで高性能な手法となっている．
その他（なぜ通ったか？等）
物理学に基づくシンプルなアイデアで高い性能を達成した．Orderly Disorderのアプローチは他分野でも使われつつあるが，特に三次元点群のようなデータから情報を取り出すには良いアプローチに思える．
- …
- …