비정형 격자에서의 구면 CNNs

우리는 구조화되지 않은 격자에서 사용되는 효율적인 합성곱 커널을 제시합니다. 이 커널은 파노라마 이미지나 행성 신호와 같은 구면 신호에 초점을 맞추고, 매개변수화된 미분 연산자를 사용하여 설계되었습니다. 이를 위해 우리는 기존의 합성곱 커널을 학습 가능한 매개변수로 가중된 미분 연산자의 선형 조합으로 대체하였습니다. 미분 연산자는 일링 이웃(one-ring neighbors)을 사용하여 구조화되지 않은 격자에서 효율적으로 추정할 수 있으며, 학습 가능한 매개변수는 표준 역전파를 통해 최적화될 수 있습니다. 그 결과, 성능 면에서는 최신 네트워크 아키텍처와 맞먹거나 능가하지만 네트워크 매개변수의 수가 현저히 적은 매우 효율적인 신경망을 얻었습니다.우리는 다양한 컴퓨터 비전과 기후 과학 작업, 예를 들어 형태 분류, 기후 패턴 분할, 그리고 전방향 이미지 의미 분할 등에서 광범위한 실험 시리즈를 통해 알고리즘을 평가하였습니다. 전체적으로 본 연구에서는 (1) 구면 신호를 위한 매개변수화된 미분 연산자를 사용하는 구조화되지 않은 격자 상의 새로운 CNN 접근법을 제시하며, (2) 우리 모델이 현저히 적은 네트워크 매개변수로 동일하거나 더 높은 정확도를 달성할 수 있는 독특한 커널 매개변수화 방법을 보여주고 있습니다.