Core Concepts
大規模な航空レーザースキャンを少数の学習済み3Dプロトタイプの組み合わせで表現する手法を提案する。
Abstract
本研究では、大規模な航空レーザースキャンを少数の学習済み3Dプロトタイプの組み合わせで表現する手法を提案している。
まず、入力の3Dポイントクラウドを複数のスロットに分割し、各スロットが1つの3Dプロトタイプを選択、位置合わせ、変形して入力を再構成する確率的なモデルを定義する。このモデルを無監督で学習することで、入力シーンを解釈可能な部品に分解できる。
提案手法は以下の特徴を持つ:
大規模な航空レーザースキャンを対象とし、多様な都市部、自然環境、産業施設などのシーンを扱える
学習時に人手による注釈を必要としない完全な無監督学習手法
少数の学習済み3Dプロトタイプを組み合わせることで、入力シーンの解釈が容易
得られた分解結果を用いて、セマンティックセグメンテーションやインスタンスセグメンテーションを行うことができる
提案手法を新規の航空レーザーデータセットで評価した結果、従来手法を大きく上回る再構成精度とセマンティックセグメンテーション精度を達成した。また、定性的な分析から、学習されたプロトタイプが直感的に理解しやすい形状を表現していることが確認できた。
Stats
入力ポイントクラウドの総数は98百万点に及ぶ
対象エリアの総面積は7.7 km2に及ぶ
入力ポイントクラウドには強度情報が付与されている