Core Concepts
局所パッチの表現を学習し、法線ベクトルを回帰する新しい法線推定手法が提案された。
Abstract
現在の3Dポイントクラウドの法線推定方法は、鋭い特徴(例:エッジやコーナー)での法線予測精度が限られており、ノイズに対する頑健性も不足している。
提案手法は、局所パッチの表現を学習する特徴符号化と、学習した表現を入力として取り込み、法線ベクトルを回帰する2つの段階から構成されている。
他の多くの手法よりも小さなネットワークサイズであるにもかかわらず、実験では本手法が鋭い特徴を保持し、特にコンピュータ支援設計(CAD)形状でより良い法線推定結果を達成したことが示されている。
1. 導入
3Dポイントクラウドデータは広範囲の分野で使用されており、正確な結果を得るために信頼性の高い正規情報が重要である。
従来の主成分分析(PCA)に基づく通常のポイントクラウド正規推定方法は、鋭いエッジやコーナーでの正規予測精度が限られており、ノイズに敏感である。
2. 関連作業
PCAやその変種は入力形状内に存在する鋭いエッジやコーナーを滑らかにする傾向があります。
PointNetなど最近登場した学習ベースの正規推定手法は性能向上を図っていますが、まだ制約があります。
3. 方法
提案手法ではトリプレット学習ネットワークを利用して局所パッチの表現(または特徴)を近づけ、効果的な正規推定を促進します。
局所パッチから抽出された特徴は正規推定段階への入力として使用されます。
Stats
提案手法は10.42 MBという小さなネットワークサイズであり、100,000点あたり55.6秒以内で正規推定を完了します。
Quotes
"我々は局所パッチから抽出された特徴が入力として使用されることから,このフェーズでは,我々はそれら表現物体間距離最適化"
"提案手法は他の多くの正規推定技術よりも優れた結果を達成しました"