[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
【DL輪読会】Parameter is Not All You Need:Starting from Non-Parametric Networks for 3D Point Cloud Analysis
1. http://deeplearning.jp/
“Parameter is Not All You Need:
Starting from Non-Parametric Networks for 3D Point
Cloud Analysis” 東京大学工学系研究科 稲富翔伍
DEEP LEARNING JP
[DL Papers]
2023/07/07
1
2. 2023/07/07
2
書誌情報
1.Intro
論文名 Parameter is Not All You Need: Starting from Non-Parametric
Networks for 3D Point Cloud Analysis
著者 Renrui Zhang, Liuhui Wang, Ziyu Guo, Yali Wang, Peng Gao, Hongsheng
Li, Jianbo Shi
投稿 CVPR2023
https://arxiv.org/abs/2303.08134
概要 • 点群の分類・セグメンテーション・物体検出タスクを、学習パラメータ
なしで解く手法 Point-NNを提案
• PointNet++やPointCNN等の手法よりも高い性能
• Point-NNをベースに少量の学習パラメータを加えることでより高い性
能を発揮
選定理由 点群解析手法について気になっている。
点群周りでCVPRでどのような論文があるのか。
タイトルにインパクトがあった。
6. 2023/07/07
6
点群の処理
1.Intro
学習可能モジュール以外のノンパラメトリックモジュールはPointNet++からあまり変化
していない。
farthest point sampling (FPS)
ダウンサンプル(間引く)手法。サンプル点の距離(物体の形状)に着目する。
例えばランダムサンプリングでは密度の偏りの影響を受けるが、FPSは空間的に一様に
サンプルできる。
(レーザースキャンでは、スキャナーに近いほど取得される点群の密度が高いという偏
りがある)
k-Nearest Neighbors (k-NN)
中心点(着目する点)に1番目~k番目に近い点を取得する関数。
pooling operations
Max pooling やAverage pooling
ノンパラメトリックモ
ジュール
課題感
Can we achieve high 3D point cloud analysis performance using only these non-parametric
components?