[論文レビュー] Canonical and Compact Point Cloud Representation for Shape Classification

Kent Fujiwara, Ikuro Sato+3 more|arXiv (Cornell University)|Sep 13, 2018

3D Shape Modeling and Analysis参考文献 19被引用数 5

ひとこと要約

本論文は、SVDを用いて距離場を4次元標準空間に投影し、バイアスなしの極端な学習機械（ELM）で埋め込むことで、スケール、回転、原点シフト、点の順序変更に対して不変であることを保証する、新しいコンパクトで不変な点群表現を提案する。この手法は、最小限のデータ拡張と浅いネットワークでのみ、ModelNet10/40で最先端の精度を達成し、広範なデータ拡張を必要としない手法を上回る性能を示す。

ABSTRACT

We present a novel compact point cloud representation that is inherently invariant to scale, coordinate change and point permutation. The key idea is to parametrize a distance field around an individual shape into a unique, canonical, and compact vector in an unsupervised manner. We firstly project a distance field to a $4$D canonical space using singular value decomposition. We then train a neural network for each instance to non-linearly embed its distance field into network parameters. We employ a bias-free Extreme Learning Machine (ELM) with ReLU activation units, which has scale-factor commutative property between layers. We demonstrate the descriptiveness of the instance-wise, shape-embedded network parameters by using them to classify shapes in $3$D datasets. Our learning-based representation requires minimal augmentation and simple neural networks, where previous approaches demand numerous representations to handle coordinate change and point permutation.

研究の動機と目的

• 非構造的な3次元点群分類における座標変更、点の順序変更、スケール変更に対する不変性を達成する課題に対処すること。
• データ拡張に依存せずに、本質的に不変なコンパクトでインスタンス固有の表現を開発すること。
• 1つの固定長特徴ベクトルで十分な分類精度を達成できる浅いニューラルネットワークが、1つの形状に対して高精度を達成できることを示すこと。
• スケール変更と解像度の変化に対して、表現のロバストネスを検証すること。
• 距離場計算時の表面点の部分抽出が、顕著な精度損失を伴わずにロバストネスを向上させることを示すこと。

提案手法

• 3次元点群からスケール共変な距離場を構築し、周囲の3次元グリッド上の各点から最近接する表面点までの符号付き距離を表現する。
• サンプリング点の座標とその対応する距離値を用いた行列の特異値分解（SVD）を用いて距離場を4次元標準空間に投影し、回転、スケール、原点シフトに対して不変性を達成する。
• ReLU活性化関数を用いたバイアスなしの極端な学習機械（ELM）をインスタンスごとに訓練し、そのスケール要因可換性を活用して点の順序変更およびスケーリングに対して不変性を確保する。
• 訓練済みELMのネットワークパラメータ（重みとバイアス）を抽出し、形状ごとにコンパクトで固定長の特徴ベクトルとして用いる。
• 表面点のランダムな部分抽出によるデータ拡張を可能とし、わずかに異なる距離場を生成することでロバストネスを向上させる。
• 分類は、ELMパラメータを特徴として用い、教師あり学習で別個のELMを訓練することで実施する。

実験結果

リサーチクエスチョン

• RQ1 データ拡張に依存せずに、回転、スケール、原点シフト、点の順序変更に対して不変であるコンパクトでインスタンス固有の表現を学習可能か？
• RQ2 1つの形状に対して1つの特徴ベクトルのみを用いても、浅いニューラルネットワークが高精度な分類を達成可能か？
• RQ3 スケールおよび回転変更の下で、本手法は最先端手法と比較して、精度とロバストネスの面で優れているか？
• RQ4 表面点の部分抽出が、表現のロバストネスと一般化性能をどの程度向上させるか？
• RQ5 ELMベースの埋め込みが、理論的および実験的に不変性の性質を保持しているか？

主な発見

• 本手法は、1つのインスタンスあたり1つの表現のみを用いて、ModelNet40で84.9%、ModelNet10で91.9%の精度を達成し、複数の最先端手法を上回った。
• 1インスタンスあたり16個の部分抽出表現を用いることで、ModelNet40で85.8%の精度を達成し、部分抽出によるロバストネスの向上を示した。
• データ拡張を一切行わずにModelNet40で84.9%の精度を達成し、MVCNN（83.0%）を上回り、優れた回転不変性を示した。
• 0.5倍のスケール変換下でも83.9%の精度を維持したのに対し、PointNetは81.8%に低下した。これにより、スケール不変性が確認された。
• 1テストインスタンスあたり0.122秒（SVDおよびELMを含む）で処理可能であり、PointNetの0.010秒よりも大幅に遅いが、並列化により高速化可能である。
• 部分抽出および解像度の変化に対して表現がロバストであることが、部分抽出実験の結果から一貫した性能で裏付けられた。