Self-Ordering Point Clouds

要約

タイトル：セルフオーダリング・ポイントクラウド
要約：
– 3Dポイントクラウド内の代表的なサブセットの検索タスクを、ポイント単位の順序付けを介して解決する方法を提案する。
– これは、クラウドラベルやポイントラベルなどの入手が困難な状況下でも、セルフスーパーバイジョンを使用して行う。
– エンドツーエンド可能な新しいネットワークを提供するために、ポイントスコアリングソートストラテジーを使った微分可能な方法を使用する。
– 多数のデータセットとタスクにおいて、素晴らしいスケーラビリティと優れたパフォーマンスを示し、見たこともないカテゴリのポイントクラウドのゼロショットオーダリングを含む、監視されたオーダリング方法と比較しても優位性がある。

要約(オリジナル)

In this paper we address the task of finding representative subsets of points in a 3D point cloud by means of a point-wise ordering. Only a few works have tried to address this challenging vision problem, all with the help of hard to obtain point and cloud labels. Different from these works, we introduce the task of point-wise ordering in 3D point clouds through self-supervision, which we call self-ordering. We further contribute the first end-to-end trainable network that learns a point-wise ordering in a self-supervised fashion. It utilizes a novel differentiable point scoring-sorting strategy and it constructs an hierarchical contrastive scheme to obtain self-supervision signals. We extensively ablate the method and show its scalability and superior performance even compared to supervised ordering methods on multiple datasets and tasks including zero-shot ordering of point clouds from unseen categories.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI