Nesti-Net: 畳み込みニューラルネットワークを使用した非構造化3D点群の法線推定

本論文では、非構造化3D点群に対する法線推定手法を提案します。この手法はNesti-Netと呼ばれ、局所的な粗いガウスグリッド上で推定される多尺度点統計（MuPS）からなる新しい局所点群表現に基づいています。この表現はCNNアーキテクチャへの適切な入力となります。法線の推定には、混合専門家（MoE）アーキテクチャを使用しており、これは各点周辺の最適なスケールを選択するためのデータ駆動型アプローチに依存し、サブネットワークの専門化を促進します。ネットワークのリソース配分に関する興味深い洞察が提供されています。スケール予測は、異なるノイズレベル、点密度変動、および詳細度の異なるレベルに対する堅牢性を大幅に向上させます。我々はベンチマーク合成データセットで最先端の結果を達成し、実際の走査シーンでの定性的結果も提示しています。