- …
- …
#128
summarized by : Anonymous
どんな論文か？
本研究では，幾何学的な深層学習モデルを用いて、3Dオブジェクトのきめ細かいセグメンテーションを行うための新しいニューラルネットワークモデル Homology based Graph Convolution Network (PHGCN)を提案する。PHGCNがマルチスケールの構造情報を取得し、3Dオブジェクトの複雑な構造を正確に表現することを可能にする．
新規性
・PHGCNは，複雑な構造のマルチスケールのトポロジカルな特徴を捉えることが可能。
・予測におけるトポロジカルな正しさを強化し、一貫した細分化の出力を提供。
・一般的なGNN/GCN構造を計算位相幾何学的手法で拡張することが可能。
結果
PointNetやDGCNNなどの従来手法と比較して，提案したモジュールと損失関数（PHGCNのフルモデルを構成する）は、最先端の精度を達成していることが示された。
その他（なぜ通ったか？等）
PHGCNの永続的なホモロジーメカニズムが、複雑な構造からトポロジー情報を抽出することを可能にしている。
- …
- …