- …
- …
#95
summarized by : Naoya Chiba
どんな論文か？
DeepSDFなどのImplicit Neural Network Decoderを用いた三次元形状表現では，Latent Vectorが物体全体に対して与えられるため局所形状の情報が失われるという課題があった．提案するDeepLSはボクセル単位でLatent Vectorを与えてデコードすることでこの課題を解決した．
新規性
Implicit Neural Network Decoderに対してボクセルごとのLocal Latent Codesを与えることで，少パラメータかつ学習しやすくなった．ボクセル境界でのアーチファクトを抑えるため，サンプリング時にボクセルを大きめにして再構成する．
結果
3D Warehouse，Synthetic ICL-NUIM Datasetで学習・評価し，既存手法より圧倒的に高精細な三次元再構成を少ないパラメータのデコーダーで実現した．さらにStanford Bunnyを用いた学習にかかる時間の評価では，DeepSDFで8日かかるのと同程度の精度を得るまでの学習が1分で完了した．
その他（なぜ通ったか？等）
アイデアはシンプルでありながらImplicit Function系の手法の課題であった形状の局所性が失われるという問題に対して的確なアプローチであり，高い性能を達成している．
- …
- …