Dilated Point Convolutions: 3D ポイントクラウド上のポイント畳み込みの受容野サイズについて

本研究において、我々は拡張点畳み込み（Dilated Point Convolutions, DPC）を提案します。詳細なアブレーションスタディを通じて、受容野のサイズが3次元点群処理タスク、特にセマンティックセグメンテーションやオブジェクト分類の性能に直接関連していることを示しています。点畳み込みは、点群やグラフなどの3次元データ表現を効率的に処理するために広く使用されています。しかし、最近の点畳み込みネットワークでは、受容野のサイズが本質的に制限されていることが観察されました。我々の提案する拡張点畳み込みはこの問題を緩和し、点畳み込みの受容野のサイズを大幅に増加させます。重要なのは、我々の拡大メカニズムが既存の大半の点畳み込みネットワークに容易に統合できることです。結果的なネットワークアーキテクチャを評価するために、受容野を可視化し、人気のある点群ベンチマークで競争力のあるスコアを報告しています。