#131
summarized by : Naoya Chiba
SGMNet: Learning Rotation-Invariant Point Cloud Representations via Sorted Gram Matrix

どんな論文か?

点群深層学習における回転不変な点群畳み込み手法の提案.局所点群中の点の座標からグラム行列を計算すると任意の回転に対して不変になることを利用して回転不変な表現を,ソートすることで順序に不変な表現を得る.PointNet++のSet Abstraction部分に提案するSGM Moduleを用いることで回転を含むデータについてロバストな点群処理を実現.
placeholder

新規性

グラム行列による特徴量が回転不変であること(回転行列が直交行列なので転置行列が逆行列になることを利用),これを特徴量ごとにソートして用いることで,回転不変かつ点の順序にも不変な局所特徴量を得ることができる.

結果

回転不変であることを確かめるため,ModelNet40のクラス分類とShapeNet partでのパーツセグメンテーションで検証.学習時の回転によるデータ拡張の有無に関わらず同じ,良好なスコアを達成できた.

その他(なぜ通ったか?等)