3次元ポイントクラウドのセマンティックセグメンテーションのための生成型ゼロショット学習

2次元画像におけるゼロショット学習（ZSL）に関する研究は多数存在するが、3次元データへの応用はまだ初期段階にあり、限られた数の手法にとどまり、かつ主に分類タスクに限定されている。本研究では、3次元データにおけるZSLおよび一般化ゼロショット学習（GZSL）のための初めての生成型アプローチを提案する。本手法は、分類に加え、初めてセマンティックセグメンテーションにも対応可能である。モデルネット40における分類タスクにおいて、誘導型ZSLおよび誘導型GZSLの両方で、既存の最先端手法と同等またはそれを上回る性能を達成した。セマンティックセグメンテーションの評価のために、S3DIS、ScanNet、SemanticKITTIの3つのベンチマークを新たに構築した。実験の結果、本手法は、このタスクに対して新たに提案する強力なベースラインを上回ることを示した。