要約
点群のスーパーレゾリューションは、3D再構成および3Dデータ理解における基本的な課題である。この技術は低解像度（LR）点群を入力として受け取り、豊富な細部情報を含む高解像度（HR）点群を生成する。本論文では、グラフネットワークと敵対的損失（adversarial loss）を活用したデータ駆動型の点群スーパーレゾリューション手法を提案する。提唱するネットワークの核心的なアイデアは、点群の局所的な類似性と、LR入力とHR出力の類似性を活用することにある。前者については、グラフ畳み込みを用いた深層ネットワークを設計した。後者については、グラフ畳み込みに残差接続（residual connection）を導入するとともに、入力と出力の間にスイップ接続（skip connection）を設けた。提案手法は、チャムファ距離（Chamfer Distance, CD）とグラフ敵対的損失を組み合わせた新しい損失関数を用いて学習される。この損失関数は、手動による設計を必要とせずに、HR点群の特徴を自動的に捉えることができる。我々は多数の実験を通じて本手法の性能を評価し、他の手法との比較において優位性を検証した。実験結果から、提案手法が最先端の性能を達成し、未観測データに対しても良好な汎化能力を有することが示された。