Multi-view Structural Convolution Network for Domain-Invariant Point Cloud Recognition of Autonomous Vehicles

要約

ポイントクラウドの表現は最近、コンピュータービジョンの分野での研究ホットスポットになり、自動運転車に利用されています。
ただし、ポイントクラウドデータ認識のためにディープラーニングネットワークを適応させることは、データセットとセンサーテクノロジーのばらつきのために困難です。
この変動性は、異なる条件下で精度を維持するための適応技術の必要性を強調しています。
このホワイトペーパーでは、ドメインに不変のポイントクラウド認識向けに設計されたマルチビュー構造畳み込みネットワーク（MSCN）を紹介します。
MSCNは、ポイントクラウドと構造集約層（SAL）からローカルコンテキストの幾何学的特徴を抽出する構造畳み込み層（SCL）で構成されています。
さらに、MSCNは、ソースドメインポイントクラウドから派生した目に見えないドメインポイントクラウドでトレーニングすることにより、特徴表現の堅牢性を高めます。
このメソッドは、ドメインに不変の機能を獲得し、さまざまなポイントクラウドデータセットで堅牢で一貫したパフォーマンスを示し、パラメーター調整を必要とせずに多様なセンサー構成との互換性を確保します。
これは、さまざまな環境で信頼性とドメインの不変機能を大幅に改善するMSCNの可能性を強調しています。
私たちのコードは、https：//github.com/mlmlab/mscnで入手できます。

要約(オリジナル)

Point cloud representation has recently become a research hotspot in the field of computer vision and has been utilized for autonomous vehicles. However, adapting deep learning networks for point cloud data recognition is challenging due to the variability in datasets and sensor technologies. This variability underscores the necessity for adaptive techniques to maintain accuracy under different conditions. In this paper, we present the Multi-View Structural Convolution Network (MSCN) designed for domain-invariant point cloud recognition. MSCN comprises Structural Convolution Layers (SCL) that extract local context geometric features from point clouds and Structural Aggregation Layers (SAL) that extract and aggregate both local and overall context features from point clouds. Additionally, our MSCN enhances feature representation robustness by training with unseen domain point clouds derived from source domain point clouds. This method acquires domain-invariant features and exhibits robust, consistent performance across various point cloud datasets, ensuring compatibility with diverse sensor configurations without the need for parameter adjustments. This highlights MSCN’s potential to significantly improve the reliability and domain invariant features in different environments. Our code is available at https://github.com/MLMLab/MSCN.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google