3次元の点群の物体検出で、パラメータ設定とアフィン変換により生成した3次元フラクタルの品質チェックとカテゴリ定義を行い、3次元空間に配置して事前学習の教師データとするPC-FractalDBを提案した。また、フラクタルのインスタンスの水増しを行うため、点群からランダムに選択して混ぜるFractalNoiseMixも提案している。

バックボーンにPointNet++とSR-UNetを使用し、ScanNetV2とSUN RGB-Dのデータセットに対する事前学習の比較評価を行い、従来手法を上回る結果。個別のパラメータや条件に関する評価も行い、FractalNoiseMixにより精度が向上し、フラクタルを混ぜる割合は80%と20%が最も効果ある結果。

検出性能の向上を明確に示したため通ったと考えられる。cvpaper.challengeが取り組むFDSLの点群バージョンで、プロジェクトページ( https://ryosuke-yamada.github.io/PointCloud-FractalDataBase/ )が公開されている。