要約
点群からの特徴学習のためのシンプルで汎用的なフレームワークを提案する。CNNの成功の鍵は、グリッド形式（例えば画像など）に密に表現されたデータにおける空間的局所相関を活用できる畳み込み演算子にある。しかし、点群は不規則で順序が定まっていないため、点に付随する特徴に対してカーネルを直接畳み込むと、形状情報が失われるとともに、入力の順序に敏感な結果となる。この問題に対処するため、入力点群からX変換を学習する手法を提案する。このX変換は、点に紐付く入力特徴を同時に重み付けし、潜在的な標準的な順序に並べ替える役割を果たす。その後、典型的な畳み込み演算子における要素ごとの積と和の演算を、X変換された特徴に対して適用する。本手法は、従来のCNNを点群からの特徴学習に一般化したもののため、PointCNNと呼ぶ。実験の結果、PointCNNは複数の困難なベンチマークデータセットおよびタスクにおいて、最先端の手法と同等またはそれ以上の性能を達成することが示された。