PointNet: 点群上の深層学習による3次元分類とセグメンテーション

点群は重要な幾何学データ構造の一種である。その非規則的な形式のため、多くの研究者がこのデータを規則的な3Dボクセルグリッドや画像の集合に変換している。しかし、これによりデータが不要に大容量になり、問題が生じることがある。本論文では、点群を直接処理し、入力点の置換不変性を適切に尊重する新しい種類のニューラルネットワークを設計した。当該ネットワークはPointNetと名付けられ、物体分類から部品セグメンテーション、さらにはシーンの意味解析まで、幅広い応用に対して統一されたアーキテクチャを提供する。単純な構造でありながら、PointNetは非常に効率的かつ効果的である。実験結果では、最新技術と同等かそれ以上の強力な性能を示している。理論的には、ネットワークが学習した内容や、入力に対する摂動や破壊に対してなぜロバストであるのかについて分析を行っている。（注：「point cloud」は「点群」、「3D voxel grids」は「3Dボクセルグリッド」、「permutation invariance」は「置換不変性」と訳しています。これらの用語は一般的に使用される日本語表現です。）