Point2Sequence: 3Dポイントクラウドの形状表現を学習するアテンションベースのシーケンス・ツー・シーケンスネットワーク

局所領域の文脈情報を探索することは、形状理解と分析において重要である。既存の研究では、多くの場合、手作業または明示的な方法で局所領域の文脈情報を符号化している。しかし、手作業や明示的な方法では、局所領域内の異なるエリア間の相関関係などの微細な文脈情報を捉えることが難しく、これにより学習された特徴量の識別能力が制限される。この問題を解決するために、我々は3D点群に対して微細な文脈情報を新しい暗黙的な方法で捉える3D形状特徴量学習用の新しい深層学習モデルを提案する。このモデルはPoint2Sequenceと命名され、各局所領域の多尺度エリアをアテンション機構を用いて集約することで相関関係を捉える新しいシーケンス学習モデルを採用している。具体的には、Point2Sequenceはまず各局所領域における各エリアスケールの特徴量を学習する。その後、リカレントニューラルネットワーク（RNN）に基づくエンコーダー-デコーダー構造を使用してすべてのエリアスケールを集約する過程で、異なるエリアスケール的重要性を強調するためのアテンション機構が提案されている。実験結果は、Point2Sequenceが形状分類およびセグメンテーションタスクにおいて最先端の性能を達成することを示している。