SpiderCNN: パラメータ化された畳み込みフィルターを用いた点群の深層学習

深層ニューラルネットワークは、さまざまな視覚タスクにおいて著しい成功を収めていますが、3次元点群のような規則的な構造を欠く領域への適用は依然として困難です。この課題に対処するため、我々は点群から幾何学的特徴を効率的に抽出する新しい畳み込みアーキテクチャであるSpiderCNNを提案します。SpiderCNNは、R^nに埋め込むことができる不規則な点集合に対して畳み込み操作を拡張するSpiderConvと呼ばれるユニットで構成されています。フィルターは、局所測地情報を捉える単純なステップ関数と表現力を確保するテイラー多項式の積として設計されています。SpiderCNNは古典的なCNNから多尺度階層構造を受け継いでおり、これにより意味論的な深層特徴を抽出することができます。ModelNet40での実験結果によると、SpiderCNNは標準ベンチマークにおいて最先端の精度92.4%を達成し、セグメンテーションタスクでも競争力のある性能を示しています。