ポイントクラウド形状分類におけるシンプルかつ効果的なベースラインの再検討

ポイントクラウドデータの処理は、多くの現実世界のシステムにおいて重要な構成要素である。そのような背景から、多様なポイントベースのアプローチが提案されており、時間の経過とともに一貫したベンチマーク性能の向上が報告されている。本研究では、こうした進歩の鍵となる要因を検証し、2つの重要な結果を明らかにした。第一に、モデルアーキテクチャとは無関係な補助的要因、例えば評価スキーム、データ拡張戦略、損失関数などにおいて、性能に大きな差が生じることがわかった。これらの差は、アーキテクチャの影響を覆い隠すほど大きいため、アーキテクチャの違いがもたらす影響が正しく評価されにくくなっている。これらの要因を制御した上で比較すると、比較的古いネットワークであるPointNet++が、最近の手法と競争力を持つことが明らかになった。第二に、非常にシンプルな投影ベースの手法、本研究では「SimpleView」と呼ぶものだが、驚くべき性能を示した。ModelNet40では、複雑な最先端手法と同等あるいはそれ以上の結果を達成しており、PointNet++の半分のサイズで実現している。さらに、実世界のポイントクラウドベンチマークであるScanObjectNNにおいても、最先端手法を上回る性能を発揮し、データセット間での一般化性能も優れていることが確認された。コードは以下のURLで公開されている：https://github.com/princeton-vl/SimpleView。