- …
- …
#53
summarized by : Naoya Chiba
どんな論文か？
三次元点群に対してスパースなラベルから密なセマンティックセグメンテーションを学習する弱教師あり学習手法SQNの提案．これまでに提案されてきた手法の問題点（現実的なシナリオに即していない，複雑な学習や前処理・後処理を必要とする，leakageがあるなど）を指摘し，シンプルで大規模な点群に適用できる手法を提案した．
新規性
現実的に大規模な点群に適応できるシナリオ設定・手法の提案となっている．提案法はスパースにラベル付けされた三次元点群を入力として，クエリ点に対応した局所領域を段階的に広げたマルチスケールな特徴抽出とShared MLPによるシンプルなネットワークとなっており，ラベル付けされた点をクエリした際のネットワーク出力とのロスで学習する．
結果
S3DIS，ScanNet，Semantic3D，SensatUrban，Toronto3D，DALES，SemanticKITTIで検証．既存のフルな教師あり学習と比較してもそれほど遜色なく，弱教師あり学習としては優れた性能を達成．ラベリングにかかるコストを現実的に見積もっており，このシナリオでの弱教師あり学習の有用性を確認している．
その他（なぜ通ったか？等）
- …
- …