要約
意味論的なキーポイントは、さまざまな視覚理解タスクのための簡潔な抽象化を提供します。既存の手法では、各カテゴリに対して固定された数の意味ラベルを持つ固定されたインデックスで意味論的なキーポイントを個別に定義しています。その結果、オブジェクトが可変数の部品を持つ場合（例えば脚の数が異なる椅子）には、このキーポイント表現が非現実的となります。我々は、全キーポイントとそれに対応する特徴量（各インスタンスに対して定義される正規姿勢での3次元位置（CanViewFeature））を組み合わせたカテゴリ非依存型のキーポイント表現を提案します。この表現において、正規姿勢でのオブジェクトビューにおけるキーポイントの3次元位置には豊富な意味論的および構成的な情報が含まれていると考えています。我々の柔軟な表現を使用することで、カテゴリ固有の最先端手法と比較して競合する性能をキーポイント検出および局所化において示しています。さらに、2次元キーポイントを3次元に昇華するために追加の深度チャネル（DepthMap）を用いることで、我々の表現は視点推定において最先端の結果を得ることができます。最後に、我々は提案したカテゴリ非依存型のキーポイント表現が新しいカテゴリにも一般化可能であることを示しています。