パラメータがすべてではない：3Dポイントクラウド解析のためのノンパラメトリックネットワークから始める

私たちは3次元点群解析用のノンパラメトリックネットワーク、Point-NNを提案します。このネットワークは、最も遠い点サンプリング（Farthest Point Sampling: FPS）、k-最近傍点（k-Nearest Neighbors: k-NN）、プーリング操作、および三角関数のみから構成される完全に学習不可能なコンポーネントで構成されています。驚くことに、このネットワークは様々な3次元タスクにおいて優れた性能を発揮し、パラメータや学習を必要とせず、既存の完全に学習されたモデルを上回ることもあります。この基本的なノンパラメトリックモデルを基盤として、私たちは2つの拡張方法を提案します。まず、Point-NNは線形層を挿入することでパラメトリックネットワーク（Parametric Networks）のベースアーキテクチャフレームワークとして機能できます。優れたノンパラメトリック基盤により、派生したPoint-PNはわずかな学習可能なパラメータで高い性能効率のトレードオフを示します。次に、Point-NNは推論時に既存の学習済み3次元モデルに対するプラグアンドプレイモジュールとして利用できます。Point-NNは補完的な幾何学的知識を捉え、再学習することなく異なる3次元ベンチマークにおける既存手法の性能を向上させます。私たちの研究が非パラメトリック手法による3次元点群理解に関するコミュニティに新たな光を投げかけられることを期待しています。コードはhttps://github.com/ZrrSkywalker/Point-NN で公開されています。