Benchmarking and Analyzing Point Cloud Classification under Corruptions

要約

3D知覚、特に点群分類は、大幅な進歩を遂げました。
ただし、実際の展開では、シーンの複雑さ、センサーの不正確さ、および処理の不正確さのために、ポイントクラウドの破損は避けられません。
この作業では、破損の下での点群分類を厳密にベンチマークして分析することを目指しています。
体系的な調査を実施するために、最初に一般的な3D破損の分類法を提供し、原子破損を特定します。
次に、さまざまな代表的な点群モデルに対して包括的な評価を実行して、それらの堅牢性と一般化可能性を理解します。
私たちのベンチマーク結果は、点群分類のパフォーマンスは時間の経過とともに向上しますが、最先端の方法は堅牢性が低下する寸前であることを示しています。
得られた観測に基づいて、点群分類器のロバスト性を強化するためのいくつかの効果的な手法を提案します。
私たちの包括的なベンチマーク、詳細な分析、および提案された手法が、堅牢な3D知覚における将来の研究のきっかけとなることを願っています。

要約(オリジナル)

3D perception, especially point cloud classification, has achieved substantial progress. However, in real-world deployment, point cloud corruptions are inevitable due to the scene complexity, sensor inaccuracy, and processing imprecision. In this work, we aim to rigorously benchmark and analyze point cloud classification under corruptions. To conduct a systematic investigation, we first provide a taxonomy of common 3D corruptions and identify the atomic corruptions. Then, we perform a comprehensive evaluation on a wide range of representative point cloud models to understand their robustness and generalizability. Our benchmark results show that although point cloud classification performance improves over time, the state-of-the-art methods are on the verge of being less robust. Based on the obtained observations, we propose several effective techniques to enhance point cloud classifier robustness. We hope our comprehensive benchmark, in-depth analysis, and proposed techniques could spark future research in robust 3D perception.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google