要約
最近、マルチレイヤーパーセプトロン（MLP）のみを使用したビジョンアーキテクチャが、コンピュータビジョンの研究コミュニティで大きな注目を集めています。MLPのようなモデルは、手作りの畳み込み層を用いず、少ない帰納的バイアスで単一の2D画像分類において競争力のある性能を達成しています。本研究では、視点ベースの3Dオブジェクト認識タスクにおけるMLPベースのアーキテクチャの有効性を探求します。私たちは、Round-Roll MLP（R$^2$-MLP）と呼ばれるMLPベースのアーキテクチャを提案します。このアーキテクチャは、異なる視点間でのパッチ間通信を考慮することにより、空間シフトMLPバックボーンを拡張しています。R$^2$-MLPは、視点次元に沿ってチャンネルの一部をロールし、隣接する視点間での情報交換を促進します。私たちはModelNet10およびModelNet40データセット上で様々な観点からの検証を行った結果をベンチマークとして示します。実験結果は、概念的にシンプルな構造を持つ私たちのR$^2$-MLPが既存の最先端手法と比較して競争力のある性能を達成していることを示しています。