非構造グリッド上の球面CNN

私たちは、パノラマ画像や惑星信号などの球面信号に焦点を当て、非構造グリッド上の畳み込みニューラルネットワーク（CNNs）用の効率的な畳み込みカーネルを提案します。この目的のために、従来の畳み込みカーネルを学習可能なパラメータで重み付けされた微分作用素の線形結合に置き換えます。非構造グリッド上で微分作用素は1リング近傍を使用して効率的に推定でき、学習可能なパラメータは標準的なバックプロパゲーションを通じて最適化できます。その結果、性能面では最先端のネットワークアーキテクチャと同等かそれ以上でありながら、ネットワークパラメータ数が大幅に少ない極めて効率的なニューラルネットワークを得ることができます。我々は、形状分類、気候パターン分割、全方位画像セマンティックセグメンテーションなど、さまざまなコンピュータビジョンおよび気候科学のタスクにおいて広範な実験シリーズを通じてアルゴリズムを評価しました。全体として、私たちは（1）球面信号用のパラメータ化された微分作用素を用いた非構造グリッド上の新しいCNNアプローチと（2）独自のカーネルパラメータ化により、モデルが大幅に少ないネットワークパラメータで同じかそれ以上の精度を達成できることが示されています。