- …
- …
#49
summarized by : Naoya Chiba
どんな論文か？
近似凸分解を利用したラベルを用いた三次元点群の自己教師学習．得られた特徴量は教師なし学習による形状分類・少数データでのセグメンテーションの学習に利用できる．凸分解にはV-HACDを利用し，最近傍でセグメンテーションラベルを各点に付与する．ラベルは一貫性を持たないので， pairwise/contrastive lossを用いてメトリック学習の枠組みで特徴量を学習させる．
新規性
自己教師信号の生成に（形状を扱う上で既に歴史のある手法である）近似凸分解を用いるアイデアが新規で，どのようなネットワークを用いて三次元データを処理するかとは無関係であるため種々のネットワークに適用できることが強み．
結果
PointNet++を用いてModelNet40の形状分類を行う．提案法を使い教師なしで特徴量を学習した後，SVMで分類することで既存の教師なし学習手法より高精度な分類を実現した．AtlasNetによる再構成ロスを追加することで精度がより向上する．ShapeNetでのFew-shot学習によるセグメンテーションでも高い性能を実現．別のネットワーク（DGCNN）でも同様に学習できた．
その他（なぜ通ったか？等）
https://github.com/matheusgadelha/PointCloudLearningACD
- …
- …