Local region-learning modules for point cloud classification

要約

タイトル – ポイントクラウド分類のためのローカル領域学習モジュール
要約 – 3Dポイントクラウドを階層的に処理する深層学習ネットワークにおいて、ローカル領域を形成するためのデータの組織化は重要な役割を果たしています。各レベルで、ポイントクラウドはサンプリングされ、代表的なポイントが抽出され、これらのポイントがローカル領域の中心として使用されます。ローカル領域の組織化は、特定の特徴集約層における受容野の位置とサイズを決定するため、かなり重要です。本論文では、2つのローカル領域学習モジュールを提案しています。1つは、各中心点に適切なシフトを推定するCenter Shift Moduleで、もう1つは、各ローカル領域の半径を変更するRadius Update Moduleです。これらのモジュールのパラメータは、エンドトゥエンドネットワーク内の特定のタスクに関連する損失を最適化することで学習されます。私たちは、特徴と3Dポイントの位置の相互作用をモデル化する方法をさまざまな形で提案し、これらのモジュールの代替案を提供します。さらに、PointNet++オブジェクト分類アーキテクチャにそれぞれのモジュールを独立しておよび共に統合し、ScanObjectNNデータセットにおける分類性能の大幅な向上を実証しました。

– 3Dポイントクラウドを階層的に処理する深層学習ネットワークにおいて、ローカル領域を形成するためのデータの組織化は重要な役割を果たす
– ローカル領域学習モジュールには、Center Shift ModuleとRadius Update Moduleの2種類があり、それぞれ中心点のシフトとローカル領域の半径を変更することができる
– モジュールのパラメータは、エンドトゥエンドネットワーク内の特定のタスクに関連する損失を最適化することで学習される
– 様々な方法で特徴と3Dポイントの位置の相互作用をモデル化することで、これらのモジュールの代替案を提供する
– それぞれのモジュールを独立しておよび共に統合し、ScanObjectNNデータセットにおける分類性能の大幅な向上が実証された

要約(オリジナル)

Data organization via forming local regions is an integral part of deep learning networks that process 3D point clouds in a hierarchical manner. At each level, the point cloud is sampled to extract representative points and these points are used to be centers of local regions. The organization of local regions is of considerable importance since it determines the location and size of the receptive field at a particular layer of feature aggregation. In this paper, we present two local region-learning modules: Center Shift Module to infer the appropriate shift for each center point, and Radius Update Module to alter the radius of each local region. The parameters of the modules are learned through optimizing the loss associated with the particular task within an end-to-end network. We present alternatives for these modules through various ways of modeling the interactions of the features and locations of 3D points in the point cloud. We integrated both modules independently and together to the PointNet++ object classification architecture, and demonstrated that the modules contributed to a significant increase in classification accuracy for the ScanObjectNN data set.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI