12日前

点群分類の再検討:シンプルかつ効果的なベースラインによるアプローチ

{Jia Deng, Alejandro Newell, Bowei Liu, Hei Law, Ankit Goyal}
点群分類の再検討:シンプルかつ効果的なベースラインによるアプローチ
要約

点群データの処理は、多くの実世界システムにおける重要な構成要素である。そのため、さまざまな点群ベースのアプローチが提案されており、時間の経過とともに一貫したベンチマーク性能の向上が報告されている。本研究では、この進歩の鍵となる要因を検討し、2つの重要な結果を明らかにした。第一に、モデルアーキテクチャとは無関係な補助的要因、例えば評価手法、データ拡張戦略、損失関数などに、性能に大きな影響があることが判明した。これらの差は、アーキテクチャの影響を覆い隠すほど大きい。これらの要因を統制した上で比較すると、比較的古くから存在するPointNet++は、最近の手法と同等の性能を発揮することがわかった。第二に、非常にシンプルな投影ベースの手法(本研究ではSimpleViewと呼ぶ)が、驚くほど優れた性能を示した。この手法はModelNet40において、高度に洗練された最先端手法と同等あるいはそれ以上の結果を達成しており、PointNet++の半分のサイズで実現している。さらに、実世界の点群ベンチマークであるScanObjectNNにおいても最先端手法を上回り、データセット間での汎化性能の優位性も示している。

点群分類の再検討:シンプルかつ効果的なベースラインによるアプローチ | 最新論文 | HyperAI超神経