LCPFormer: ローカルコンテキスト伝播を用いた効果的な3Dポイントクラウド解析へのアプローチ

Transformerとその基盤となる注意メカニズム、および長距離依存関係を捉える能力により、無順序のポイントクラウドデータに対する自然な選択肢となっています。しかし、一般的なサンプリングアーキテクチャから分離された局所領域は、インスタンスの構造情報を損なう可能性があり、隣接する局所領域間の内在的な関係性も十分に探索されていません。局所的な構造情報は、Transformerベースの3Dポイントクラウドモデルにおいて非常に重要であるため、本論文では新たなモジュールであるLocal Context Propagation (LCP)を提案します。このモジュールは、隣接する局所領域間でのメッセージ伝達を活用し、それらの表現をより情報量豊かで識別力のあるものにするために設計されています。具体的には、統計的に頻繁に見られる隣接する局所領域の重複点を使用して中間媒介とし、これらの共有点の特徴量を異なる局所領域から再加重した後、次の層に渡します。2つのTransformer層間にLCPモジュールを挿入することで、ネットワークの表現力が大幅に向上します。最後に、LCPモジュールを搭載した柔軟なLCPFormerアーキテクチャを設計しました。提案手法はさまざまなタスクに適用可能であり、3D形状分類や3Dオブジェクト検出、セマンティックセグメンテーションなどの密集予測タスクにおいても、様々なTransformerベースの手法よりも優れた性能を示しています。コードは再現性のために公開されます。