要約
点群は、ロボティクスや自動運転車などの無数の応用において、柔軟で自然な表現を提供します。最近、生の点群データ上で動作する深層ニューラルネットワークは、物体分類や意味セグメンテーションなどの教師あり学習タスクにおいて有望な結果を示しています。現代のスキャン技術を使用することで大量の点群データセットを取得できますが、そのような大規模な3D点群を教師あり学習タスクのために手動でラベリングすることは煩雑なプロセスです。これにより、教師なしデータから学習できる方法が求められ、教師あり学習に必要なアノテーション済みサンプルの数を大幅に削減することが可能となります。私たちは、生の点群データ上の深層学習向けに自己監督学習タスクを提案します。このタスクでは、ニューラルネットワークがランダムに並べ替えられた部分を持つ点群を再構成するために訓練されます。このタスクを解く過程で、点群の意味的な特性を捉える表現が学習されます。私たちの手法はネットワークアーキテクチャに依存せず、下流の物体分類タスクにおける現在の教師なし学習アプローチよりも優れた性能を発揮します。実験的に示したところによると、私たちの手法による事前学習後に行う教師あり学習は最先端モデルの性能向上につながり、サンプル効率も大幅に改善されることが確認されています。