PointCutMix：点群分類における正則化戦略

3次元ポイントクラウド解析への注目が高まる中、ポイントクラウドデータセットの規模不足とネットワークの汎化能力の低さが顕著な課題となっている。本論文では、これらの問題を緩和するため、シンプルかつ効果的なポイントクラウドデータ拡張手法「PointCutMix」を提案する。本手法は、2つのポイントクラウド間で最適な対応関係を探索し、一方のサンプル内の点をその最適対応点に置き換えることで、新たな訓練データを生成する。異なるタスクにおける精度またはロバスト性の要件に応じて、2種類の置換戦略を提案する。1つは、置換対象の点をランダムに全選択する戦略であり、もう1つは、ランダムに選ばれた1点のk近傍点を置換対象とする戦略である。これらの戦略は、さまざまなポイントクラウド分類モデルにおいて一貫してかつ顕著な性能向上をもたらす。さらに、注目マップ（saliency maps）を用いて置換対象の点を選定する戦略を導入することで、性能はさらに向上する。また、PointCutMixがポイント攻撃（point attack）に対するモデルのロバスト性を向上させることを実証した。特に、防御手法として用いた場合、本手法は最先端の防御アルゴリズムを上回る性能を示した。実装コードは以下のURLから公開されている：https://github.com/cuge1995/PointCutMix