要約
最近、3Dスキャナ技術の発展に伴い、ポイントクラウドを用いた研究が増加しています。この傾向に応じて、高品質なポイントクラウドの需要が高まっていますが、高品質なポイントクラウドを取得するコストが高いという問題が依然として存在しています。そこで、深層学習の最近の著しい発展を受け、低品質なポイントクラウドから高品質なポイントクラウドを生成する深層学習を利用したポイントクラウドアップサンプリング研究が注目を集めています。本論文では、Point cloud Up-sampling via Multi-scale Features Attention（PU-MFA）と呼ばれる新しいポイントクラウドアップサンプリング手法を提案します。多尺度特徴量や注意メカニズムを使用して良好な性能を報告した先行研究に着想を得て、PU-MFAはU-Net構造を通じてこれらを統合します。さらに、PU-MFAは多尺度特徴量を適応的に使用し、グローバル特徴量を効果的に洗練します。PU-MFAの性能は、合成されたポイントクラウドデータセットであるPU-GANデータセットと実際のスキャンされたポイントクラウドデータセットであるKITTIデータセットを使用した様々な実験を通じて他の最先端手法と比較されました。様々な実験結果において、PU-MFAは他の最先端手法に対して定量的および定性的評価で優れた性能を示し、提案手法の有効性が証明されました。また、PU-MFAの注意マップも可視化され、多尺度特徴量の効果が示されています。