#72
summarized by : Naoya Chiba
Revisiting Point Cloud Simplification: A Learnable Feature Preserving Approach

どんな論文か?

知覚的な形状の特徴を保ったまま三次元点群をダウンサンプリングする手法の提案.FPSなどの一様なサンプリングではなく,曲率ベースで学習した手法を用いることで特徴的な凹凸を保つことができるため,メッシュの再構成などに利用したときに少数の頂点で形状を表現できる.
placeholder

新規性

形状特徴を保つようなダウンサンプリングを学習ベースで行うアプローチが新規.点群を入力しGNNで各点の特徴量を計算,特徴量空間でのFPSでダウンサンプリングしてから特徴量空間での近傍点のグラフを構築し,改めてGNNで各点の座標を出力する.局所点群の曲率を保つようなロス関数を導入して学習.

結果

RoughnessとStructural Distortion Measure(本論文で提案),法線の一致度を評価指標としTOSCA,ModelNet10,MeIn3D face datasetで検証.既存のダウンサンプリング手法と比較して優れる.応用としてMesh Simplificationでも良好な結果が得られている.User-Studyも行い,提案法が知覚的に優れることも検証.

その他(なぜ通ったか?等)