多尺度球形近傍を用いた3D点群の意味分類

本論文では、3D点群における新たな多スケール近傍の定義を提案します。この定義は、球形近傍と比例サブサンプリングに基づいており、一貫した幾何学的な意味を持つ特徴量の計算を可能にします。これはk-最近傍を使用する場合とは異なります。適切な学習戦略を用いることで、提案された特徴量はランダムフォレストにおいて3D点の分類に利用できます。この意味的分類タスクにおいて、我々は同じ実験条件のもとで、提案された多スケール特徴量が最先端の特徴量を上回ることを示しています。さらに、その分類能力は深層学習などのより複雑な分類手法と競合します。