非監督点群事前学習における遮蔽完了を通じた手法

点群のための単純な事前学習手法について説明します。この手法は以下の3つのステップで構成されています：1. カメラ視野で隠蔽されたすべての点をマスクする；2. 隠蔽された点を再構成するエンコーダー-デコーダーモデルを学習する；3. エンコーダーの重みを下流の点群タスクの初期化に使用する。私たちは、ModelNet40から単一の事前学習データセットを作成した場合でも、この事前学習手法が異なるデータセットやエンコーダーにおいて精度を向上させることを見出しました。特に、私たちの手法がオブジェクト分類および部品ベースと意味分割タスクにおいて、以前の事前学習手法を上回ることを示しています。また、事前学習された特徴量について研究し、それらが広い下流最小値（wide downstream minima）を持ち、高い変換不変性（transformation invariance）があり、部品ラベルと高い相関を持つ活性化（activations）があることを確認しました。コードとデータは以下から入手可能です：https://github.com/hansen7/OcCo