- …
- …
#22
summarized by : Itsuki Ueda
どんな論文か？
潜在的な特徴空間にデプスマップを集約する、Fusionタスクの新しいアプローチを提案。
従来法では対処の困難だった、デプスマップに含まれるOutlierの影響を軽減
新規性
デプスマップからカメラ姿勢を推定して集約する手法（Fusion）では、従来は地形表現に符号付距離関数（SDF）ような明示的な方法を用いてきた。
位置合わせに適した潜在的なシーン表現を作り、可視化のための出力シーン表現（SDF)へはTranslatorNetworkで変換する。
結果
合成データセットであるShapeNet, ModelNetでベースラインからの性能改善を確認。特にIoU（領域の重複率）では10%以上の改善。
またデプスマップにOutlierを加えたデータ、ノイズの多い実データでも実験し、ノイズへの頑健性を確認した。
その他（なぜ通ったか？等）
https://github.com/weders/NeuralFusion
- …
- …