SPLATNet: 点群処理のためのスパースラティスネットワーク

私たちは、高次元ラティス内の疎なサンプル集合として表現される点群を直接処理するネットワークアーキテクチャを提案します。このラティスに畳み込みを単純に適用すると、ラティスのサイズが増加するにつれてメモリと計算コストが悪化します。そこで、私たちのネットワークは疎双方向畳み込み層を構築ブロックとして使用します。これらの層は、インデックス構造を使用してラティスの占有部分のみに畳み込みを適用することで効率を維持し、階層的かつ空間的に意識した特徴学習や2D-3D統合推論を可能にする柔軟なラティス構造の指定を許容します。このような層を持つネットワークでは、点ベースと画像ベースの表現を容易に組み込むことができ、結果的なモデルはエンドツーエンドで訓練することができます。私たちは3Dセグメンテーションタスクにおける結果を示し、当手法が既存の最先端技術を超えることを確認しています。