Unsupervised Point Cloud Representation Learning with Deep Neural Networks: A Survey

要約

点群データは、さまざまな不利な状況下での優れた精度と堅牢性により、広く研究されてきました。
一方、ディープニューラルネットワーク(DNN)は、監視や自動運転などのさまざまなアプリケーションで非常に印象的な成功を収めています。
点群とDNNの収束により、多くの深い点群モデルが生まれました。これらのモデルは、大規模で高密度にラベル付けされた点群データの監視の下で主にトレーニングされています。
ラベル付けされていない点群データから一般的で有用な点群表現を学習することを目的とした教師なし点群表現学習は、大規模な点群ラベル付けの制約により、最近ますます注目を集めています。
このホワイトペーパーでは、DNNを使用した教師なし点群表現学習の包括的なレビューを提供します。
最初に、動機、一般的なパイプライン、および最近の研究の用語について説明します。
次に、広く採用されている点群データセットやDNNアーキテクチャなどの関連する背景について簡単に説明します。
続いて、技術的アプローチに従って、既存の教師なし点群表現学習方法について詳細に説明します。
また、広く採用されている複数の点群データセットについて、レビューされた方法を定量的にベンチマークし、説明します。
最後に、教師なし点群表現学習の将来の研究で追求できるいくつかの課題と問題についての謙虚な意見を共有します。
この調査に関連するプロジェクトは、https://github.com/xiaoaoran/3d_url_surveyで作成されています。

要約(オリジナル)

Point cloud data have been widely explored due to its superior accuracy and robustness under various adverse situations. Meanwhile, deep neural networks (DNNs) have achieved very impressive success in various applications such as surveillance and autonomous driving. The convergence of point cloud and DNNs has led to many deep point cloud models, largely trained under the supervision of large-scale and densely-labelled point cloud data. Unsupervised point cloud representation learning, which aims to learn general and useful point cloud representations from unlabelled point cloud data, has recently attracted increasing attention due to the constraint in large-scale point cloud labelling. This paper provides a comprehensive review of unsupervised point cloud representation learning using DNNs. It first describes the motivation, general pipelines as well as terminologies of the recent studies. Relevant background including widely adopted point cloud datasets and DNN architectures is then briefly presented. This is followed by an extensive discussion of existing unsupervised point cloud representation learning methods according to their technical approaches. We also quantitatively benchmark and discuss the reviewed methods over multiple widely adopted point cloud datasets. Finally, we share our humble opinion about several challenges and problems that could be pursued in future research in unsupervised point cloud representation learning. A project associated with this survey has been built at https://github.com/xiaoaoran/3d_url_survey.

arxiv情報

著者 Aoran Xiao,Jiaxing Huang,Dayan Guan,Xiaoqin Zhang,Shijian Lu
発行日 2022-06-05 12:03:04+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CV パーマリンク