[論文レビュー] Density-aware Chamfer Distance as a Comprehensive Metric for Point Cloud Completion

Tong Wu, Liang Pan+4 more|arXiv (Cornell University)|Nov 24, 2021

3D Shape Modeling and Analysis参考文献 38被引用数 68

ひとこと要約

Density-aware Chamfer Distance (DCD) は、Chamfer Distance に基づく境界付きで密度に敏感な指標を導入し、点群補完をより適切に評価・訓練するために用いられ、点 discriminator とガイド付きダウンサンプリングを補完します。

ABSTRACT

Chamfer Distance (CD) and Earth Mover's Distance (EMD) are two broadly adopted metrics for measuring the similarity between two point sets. However, CD is usually insensitive to mismatched local density, and EMD is usually dominated by global distribution while overlooks the fidelity of detailed structures. Besides, their unbounded value range induces a heavy influence from the outliers. These defects prevent them from providing a consistent evaluation. To tackle these problems, we propose a new similarity measure named Density-aware Chamfer Distance (DCD). It is derived from CD and benefits from several desirable properties: 1) it can detect disparity of density distributions and is thus a more intensive measure of similarity compared to CD; 2) it is stricter with detailed structures and significantly more computationally efficient than EMD; 3) the bounded value range encourages a more stable and reasonable evaluation over the whole test set. We adopt DCD to evaluate the point cloud completion task, where experimental results show that DCD pays attention to both the overall structure and local geometric details and provides a more reliable evaluation even when CD and EMD contradict each other. We can also use DCD as the training loss, which outperforms the same model trained with CD loss on all three metrics. In addition, we propose a novel point discriminator module that estimates the priority for another guided down-sampling step, and it achieves noticeable improvements under DCD together with competitive results for both CD and EMD. We hope our work could pave the way for a more comprehensive and practical point cloud similarity evaluation. Our code will be available at: https://github.com/wutong16/Density_aware_Chamfer_Distance .

研究の動機と目的

• Chamfer Distance (CD) と Earth Mover’s Distance (EMD) の点群補完評価における限界を特定する。
• 密度分布と局所的なディテールを捉えつつ、効率的で境界付きである Density-aware Chamfer Distance (DCD) を提案する。
• DCD を信頼できる評価指標および訓練の有効な損失関数として実証する。
• 完成中のガイド付きダウンサンプリングと点の分布のバランスを可能にする点識別器モジュールを開発する。

提案手法

• CD を 1 次のテイラー展開に適用して、各点の寄与を 0 〜 1 に境界付けする。
• 各点の寄与をそのクエリ頻度 n_y と温度パラメータ alpha で重み付けすることにより、密度感知項を組み込む。
• DCD を用いた二項目の対称損失を導入し、境界付きで勾配安定な最適化を提供する。
• 密度感知信号 g(x) を予測するニューラル点識別器を設計し、点の重要性を識別する。
• 識別器の出力を用いてガイド付きダウンサンプリングを実行し、外れ値を減らし、二段階補完中の密度を平衡化する。
• トレーニング時に CD 損失を DCD 損失に置換することで、グローバル構造と局所ディテールの両方を改善する。

実験結果

リサーチクエスチョン

• RQ1 密度感知的な Chamfer Distance の修正は、点群の局所密度やノイズレベルの異なる場合でも評価をより一貫させることができるか。
• RQ2 DCD は評価指標と訓練損失の双方として、CD および EMD より優れているか。
• RQ3 密度感知型識別器とガイド付きダウンサンプリングは、データセットを跨いで補完品質と安定性を改善できるか。
• RQ4 DCD を一般的な PCN 系アーキテクチャの損失関数として使用する際の実用的な影響はどうか。
• RQ5 DCD は CD および EMD と比較して、グローバル構造の保持と微細局所ディテールのバランスをどう取るか。

主な発見

• DCD はグローバル構造と局所幾何の両方と相関する、[0,1]-正規化された境界付き距離を提供する。
• DCD は CD および EMD より一貫性があり信頼性が高く、特に CD と EMD が一致しない場合に効果的である。
• DCD を損失として訓練すると EMD が低減し、CD トレーニングモデルと比較して CD も低減する可能性がある。
• 密度感知の点識別器とガイド付きダウンサンプリングを備えた二段階補完フレームワークは、視覚的質を向上させ、点分布を平衡化する。
• 競合ベースラインで CD 損失を DCD 損失に置換することで、CD, EMD, DCD の指標間で有利なトレードオフを達成する。