An Adjustable Farthest Point Sampling Method for Approximately-sorted Point Cloud Data

要約

サンプリングは、一般的な PointNet++ スキームなどの生のポイント クラウド データ処理の重要な部分です。
最も遠いポイントを繰り返しサンプリングし、距離の更新を実行する最も遠いポイント サンプリング (FPS) は、最も一般的なサンプリング スキームの 1 つです。
残念ながら、効率が低く、点群アプリケーションのボトルネックになる可能性があります。
M によってパラメーター化された調整可能な FPS (AFPS) を提案し、サンプリング パフォーマンスを損なうことなく FPS の複雑さを積極的に削減します。
具体的には、元の点群を M 個の小さな点群に分割し、M 個の点を同時にサンプリングします。
ほぼソートされた点群データの次元局所性を利用して、パフォーマンスの低下を最小限に抑えます。
AFPS 方式は、元の FPS よりも 22 倍から 30 倍高速化できます。
さらに、距離更新の数を一定数に制限するために、最近点距離更新 (NPDU) 法を提案します。
NPDU on AFPS メソッドを組み合わせると、元の FPS に匹敵するアルゴリズム パフォーマンスで、2K ～ 32K ポイントのポイント クラウドで 34 ～ 280 倍のスピードアップを実現できます。
たとえば、ShapeNet パーツ セグメンテーション タスクでは、0.8490 インスタンス平均 mIoU (和集合の平均) を達成します。これは、元の FPS と比較してわずか 0.0035 ドロップです。

要約(オリジナル)

Sampling is an essential part of raw point cloud data processing such as in the popular PointNet++ scheme. Farthest Point Sampling (FPS), which iteratively samples the farthest point and performs distance updating, is one of the most popular sampling schemes. Unfortunately it suffers from low efficiency and can become the bottleneck of point cloud applications. We propose adjustable FPS (AFPS), parameterized by M, to aggressively reduce the complexity of FPS without compromising on the sampling performance. Specifically, it divides the original point cloud into M small point clouds and samples M points simultaneously. It exploits the dimensional locality of an approximately sorted point cloud data to minimize its performance degradation. AFPS method can achieve 22 to 30x speedup over original FPS. Furthermore, we propose the nearest-point-distance-updating (NPDU) method to limit the number of distance updates to a constant number. The combined NPDU on AFPS method can achieve a 34-280x speedup on a point cloud with 2K-32K points with algorithmic performance that is comparable to the original FPS. For instance, for the ShapeNet part segmentation task, it achieves 0.8490 instance average mIoU (mean Intersection of Union), which is only 0.0035 drop compared to the original FPS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google