生成と判別型ボクセルモデリングにおける畳み込みニューラルネットワークの利用

三次元データを扱う際、表現方法の選択が重要です。本研究では、ボクセルベースのモデルに焦点を当て、形状モデリングや物体分類などの応用におけるボクセル化表現の有効性について証拠を提示します。我々の主な貢献は、ボクセルベースの変分オートエンコーダー（Variational Autoencoders）の学習方法、オートエンコーダーが学習した潜在空間を探索するためのユーザーインターフェース、および物体分類用の深層畳み込みニューラルネットワーク（Deep Convolutional Neural Network）アーキテクチャです。ボクセルベース表現に固有の課題に対処し、ModelNetベンチマークで我々のモデルを実証的に評価しました。その結果、物体分類において既存の最先端技術に対して相対的に51.5%の性能向上を示しています。