本研究は、大規模な非カテゴリカル3D CADモデルデータセットに対する深層クラスタリングアルゴリズムの基準を確立し、評価することを目的としている。
まず、専門家による252,648個の慎重に選択されたペアワイズCADモデル類似性アノテーションを作成するワークフローを提案した。次に、7つのベースラインの深層クラスタリング手法をABCデータセットに適用し、クラスタリング結果を評価した。
従来の外部評価指標は、クラスラベルに基づいているため、非カテゴリカルデータには適用できない。そこで、ペアワイズ類似性アノテーションを利用した新しい評価プロトコルを提案した。この評価プロトコルは、アンサンブル原理に基づいており、ロバストで信頼性の高い評価を可能にする。
実験の結果、エンドツーエンドの深層クラスタリング手法は必ずしも2段階クラスタリング手法よりも優れているわけではないことが示された。また、ポイントクラウドベースの特徴表現が画像ベースよりも有効であることが明らかになった。
本研究は、非カテゴリカル3D形状に対する深層クラスタリングの新しい方向性を示すものであり、大規模3D形状コレクションの分析と活用に重要な基盤となる。
翻譯成其他語言
從原文內容
arxiv.org
深入探究