Rethinking the compositionality of point clouds through regularization in the hyperbolic space

要約

3D オブジェクトの点群は、単純なパーツを徐々に複雑な形状に組み立ててオブジェクト全体を形成する固有の構成上の性質を示します。
このような部分全体の階層を明示的にキャプチャすることは、効果的なモデルを構築するために長い間求められてきた目標ですが、そのツリーのような性質により、そのタスクはとらえどころのないものになっています。
この論文では、点群分類器の機能を双曲線空間に埋め込み、部分全体の階層を説明するために空間を明示的に正則化することを提案します。
双曲空間は、階層のツリーのような性質をうまく埋め込むことができる唯一の空間です。
これにより、点群分類のための最先端の教師ありモデルのパフォーマンスが大幅に向上します。

要約(オリジナル)

Point clouds of 3D objects exhibit an inherent compositional nature where simple parts can be assembled into progressively more complex shapes to form whole objects. Explicitly capturing such part-whole hierarchy is a long-sought objective in order to build effective models, but its tree-like nature has made the task elusive. In this paper, we propose to embed the features of a point cloud classifier into the hyperbolic space and explicitly regularize the space to account for the part-whole hierarchy. The hyperbolic space is the only space that can successfully embed the tree-like nature of the hierarchy. This leads to substantial improvements in the performance of state-of-art supervised models for point cloud classification.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google