要約
点群は、画像とは異なり、非構造化かつ順序のないデータである。したがって、画像向けに開発されたほとんどの機械学習手法は、点群に対して直接適用することはできない。本論文では、離散的な畳み込みニューラルネットワーク（CNN）を点群処理に適応させるために、離散的なカーネルを連続的なものに置き換える一般化方法を提案する。この定式化は単純であり、任意のサイズの点群に対応でき、2D CNNと同様にニューラルネットワークを設計するのに容易に使用できる。様々なアーキテクチャを使用した実験結果を示し、提案手法の柔軟性を強調する。大規模な点群における形状分類、部品セグメンテーションおよび意味的セグメンテーションにおいて、最先端の手法と競合する結果を得ている。