要約
本研究では、「接平面画像（tangent images）」と呼ばれる球面画像表現を提案する。この手法は、移行可能性とスケーラビリティに優れた360°コンピュータビジョンを実現することを目的としている。地図作成技術およびコンピュータグラフィックスの手法に着想を得て、球面画像を、分割されたイコサヘドロンに接する歪み低減型の局所平面画像グリッド群にレンダリングする。この際、分割レベルとは独立して各グリッドの解像度を調整可能であるため、高解像度の球面画像を効果的に表現しつつ、イコサヘドロンによる低歪み球面近似の利点を活かすことができる。実験により、標準的な畳み込みニューラルネットワーク（CNN）を接平面画像上で学習させた場合、これまでに開発されてきた多数の特殊な球面畳み込みカーネルと比較しても優れた性能を示すとともに、はるかに高い球面解像度に対しても効率的にスケーリング可能であることが明らかになった。さらに、本手法は特殊なカーネルを必要としないため、パースペクティブ画像上で学習したネットワークを球面データへ直接移行可能であり、微調整（fine-tuning）なしで限界性能の低下を最小限に抑えることが可能である。最後に、接平面画像が球面画像上のスパース特徴検出の品質向上に寄与することを示し、構造から運動（structure-from-motion）やSLAMといった従来のコンピュータビジョンタスクにおける実用性を実証した。