深層学習を用いた三次元点群処理入門

第230回CVIM研究発表会 チュートリアルでの「深層学習を用いた三次元点群処理入門」のスライド資料です
図などは各論文から引用しています

Transcript

1. 第230回CVIM研究発表会 チュートリアル 深層学習を用いた三次元点群処理入門 早稲田大学 / OSX 千葉 直也
2. 本日の内容 •三次元点群に深層学習を適用する際の • キーとなるアイデア • 典型的なネットワーク構成 • 点群畳み込み • 点群（・三次元形状）の出力 について解説 •アプリケーション例を紹介 • 特に点群位置合わせに関して 2
3. アウトライン • 三次元形状のデータ形式と計測 • さまざまなデータ形式 • 三次元計測 • 点群を扱うニューラルネットワーク • 点群を扱う難しさ • 典型的なタスク・ネットワーク構成 • PointNetの紹介 • 点群の畳み込み・Backbone • タスクに合わせたHead • 三次元形状の出力 • 事前学習 • アプリケーションの例 • 典型的なアプリケーション • 点群位置合わせ • ライブラリなど 3
4. アウトライン • 三次元形状のデータ形式と計測 • さまざまなデータ形式 • 三次元計測 • 点群を扱うニューラルネットワーク • 点群を扱う難しさ • 典型的なタスク・ネットワーク構成 • PointNetの紹介 • 点群の畳み込み・Backbone • タスクに合わせたHead • 三次元形状の出力 • 事前学習 • アプリケーションの例 • 典型的なアプリケーション • 点群位置合わせ • ライブラリなど 4
5. 三次元形状を記述するデータ形式 •ボクセル • 密なボクセル • スパースボクセル •メッシュ •多視点画像 •深度画像 •点群 • 片面点群 • 全周点群 5 E. Ahmed+. A survey on Deep Learning Advances on Different 3D Data Representations. arXiv, 2018. 様々な形式が存在，今回は三次元点群に着目
6. 三次元データの形式（1/2） •ボクセル • 画像に近いアイデアで記述 • 〇: シンプルなデータ形式．3D CNNで処理しやすい • △: 解像度に応じて急速にデータ量が大きくなるため， 扱える解像度が低い．スパースボクセルで対応 •メッシュ • 頂点（・辺）・面によって三次元形状を記述 • 〇: 省データで高解像度なデータを表せる． レンダリングとの相性が良い • △: 頂点・辺・面をうまく扱うのが難しい． 辺や面はセンサから得られない 6
7. 三次元データの形式（2/2） •深度画像 • 2D画像の各画素に紐付いた奥行きを記述 • 〇: シンプルでセンサとの相性も良い． 2D CNNのテクニックが使いやすい • △: 全周形状が扱いにくい •多視点画像 • 多点のカメラ画像によって一つの三次元シーンを記述 • 〇: 全周が扱える．2D CNNのテクニックが使いやすい • △: 実環境では計測しにくい． 実スケール性を活用しにくい 7
8. 三次元点群とは 三次元点 (x, y, z) の集合として表現された 三次元形状の記述方法 データによってはカラー，反射強度などの付加情報が 点ごとに与えられる (𝑥𝑥1 , 𝑦𝑦1 , 𝑧𝑧1 ) (𝑥𝑥2 , 𝑦𝑦2 , 𝑧𝑧2 ) (𝑥𝑥3 , 𝑦𝑦3 , 𝑧𝑧3 ) (𝑥𝑥𝑁𝑁 , 𝑦𝑦𝑁𝑁 , 𝑧𝑧𝑁𝑁 ) ・・・ (𝑥𝑥𝑖𝑖 , 𝑦𝑦𝑖𝑖 , 𝑧𝑧𝑖𝑖 ) (𝑥𝑥𝑗𝑗 , 𝑦𝑦𝑗𝑗 , 𝑧𝑧𝑗𝑗 ) ・・・ ・・・ 三次元点群の表す形状 三次元点群データ 8
9. 二次元画像と三次元点群の違い 二次元画像 三次元点群 二次元上のピクセル 三次元上の点 構成要素 密 （画像上に画素が詰まっている） 疎 （表面を表す点のみ） 粗密 あり なし 構成要素の 順序 9
10. 3Dデータの種類 （主観ですが）各種3Dデータの特徴を まとめてみました 点群は実スケール性がありシンプルな形式 10 実スケール 扱いやすさ メモリ 空間効率 CNNとの 相性 計測 しやすさ 別視点の レンダリング ボクセル ◎ ◎ ✕ ◎ △ ◎ スパース ボクセル ◎ ◦ ◦ ◦ △ ◎ メッシュ ◎ △ ◎ △ △ ◎ 多視点画像 △ ◦ △ ◎ ◦～◎ △～◦ 深度画像 ◦ ◎ ◦ ◎ ◎ △ 点群 ◎ ◦ ◎ ◦ ◎ △ 全周点群 ◎ ◦ ◎ ◦ △ ◦
11. 3Dデータの取得 •基本的には三次元計測 • 次以降のスライドで簡単に紹介 • 全周形状・360度形状の計測には貼り合わせが必要 •MVS, SfM, SLAM等による多視点計測データ • 計測原理は三角測量．NeRFに期待 •CADや3Dモデルなど • 工業用途・CG等で利用されているデータ • 一から計算機の中で製作される 11 MVSで再構成された3Dデータ （COLMAP） CADデータ（ABC Dataset）
12. 三次元センサの種類 ステレオ法 • 2つの光学系の間の視差から奥行きを計算 • ステレオカメラシステムを用いる手法 （パッシブステレオ法）と， プロジェクタ・カメラシステムを用いる手法 （アクティブステレオ法）に大別 Time-of-Flight (ToF) • 光を投影し，反射した光線が返ってくるまでの 時間から奥行きを計算 • 時間差を用いる方式（direct ToF）と 位相差を用いる方式（indirect ToF）に大別 12
13. 三次元計測の原理（ステレオ） ２つの光学系でのステレオ視差で奥行きを求める アクティブステレオ法： プロジェクタ・カメラシステムでの視差をもとに 奥行きを推定． 計測対象の表面テクスチャによらず計測できるため， 工業用途で普及 パッシブステレオ法： ２つのカメラ間の視差をもとに奥行きを推定． 計測対象にテクスチャがない場合（白い壁など）に 対応するため，ランダムなパタンを投影して視差を 計算しやすくする例が多い． RealSense Dシリーズなど 13
14. 三次元計測の原理（アクティブステレオ） 画素の対応関係がわかる→奥行きがわかる • 内部パラメータ・外部パラメータが既知の ステレオ光学系を想定 • あるプロジェクタ画素から照射した光線が， どのカメラ画素で観測されたかがわかれば 奥行きが逆算できる 14
15. 三次元計測の原理（アクティブステレオ） 画素の対応関係がわかる→奥行きがわかる 実際には画素の対応ではなく，行or列との対応だけで十分 15
16. 三次元計測の原理（アクティブステレオ） 空間コード化法 プロジェクタの各画素に対応するコードを割り当て， カメラの各画素で 観測された光線から対応するプロジェクタ画素を求める 16
17. 三次元計測の原理（アクティブステレオ） 位相シフト法 プロジェクタの各画素に位相値を割り当て， サイン波パタンを照射し計測． カメラの各画素について位相値を計算して 位相値で対応を求める 17
18. 三次元計測の原理（ToF） 光の速さ×かかった時間で奥行きを求める 直接法（direct ToF） 時間を直接計算する． 外乱光に強く遠距離の計測・室外環境での 計測に向くが，比較的高価． Velodyne LiDARなど 間接法（indirect ToF） 周期的な光を照射し，反射光との位相差から 距離を逆算．比較的安価だが外乱光に弱い傾向にある． Azure Kinectなど 18
19. アウトライン • 三次元形状のデータ形式と計測 • さまざまなデータ形式 • 三次元計測 • 点群を扱うニューラルネットワーク • 点群を扱う難しさ • 典型的なタスク・ネットワーク構成 • PointNetの紹介 • 点群の畳み込み・Backbone • タスクに合わせたHead • 三次元形状の出力 • 事前学習 • アプリケーションの例 • 典型的なアプリケーション • 点群位置合わせ • ライブラリなど 19
20. 三次元点群を取り扱う難しさ 要因: 集合データであること • 順不同である（後述）ため，それに対応した ネットワーク構造が必要 • 非グリッドなので近傍が自明ではなく， 畳み込みにも工夫が必要 （余談: グラフNNとの比較） • グラフNNでも同様の課題があり，ほぼ同じ アプローチが取られている • 点群の場合には三次元空間に張り付いている＆ 接続関係は入力されない，という違いがある 20
21. 三次元点群を取り扱う難しさ 順不同なデータ構造 点群は点の集合＝データの順序が変わっても同じ形状 → 点の順序に不変であることが必要 三次元点群の表す形状 三次元点群データ (𝑥𝑥1 , 𝑦𝑦1 , 𝑧𝑧1 ) (𝑥𝑥2 , 𝑦𝑦2 , 𝑧𝑧2 ) (𝑥𝑥3 , 𝑦𝑦3 , 𝑧𝑧3 ) (𝑥𝑥𝑁𝑁 , 𝑦𝑦𝑁𝑁 , 𝑧𝑧𝑁𝑁 ) ・・・ (𝑥𝑥𝑖𝑖 , 𝑦𝑦𝑖𝑖 , 𝑧𝑧𝑖𝑖 ) (𝑥𝑥𝑗𝑗 , 𝑦𝑦𝑗𝑗 , 𝑧𝑧𝑗𝑗 ) ・・・ ・・・ 21 あくまで便宜上一列にして扱う
22. 三次元点群を取り扱う難しさ 順不同なデータ構造 点群は点の集合＝データの順序が変わっても同じ形状 → 点の順序に不変であることが必要 三次元点群の表す形状 三次元点群データ (𝑥𝑥1 , 𝑦𝑦1 , 𝑧𝑧1 ) (𝑥𝑥2 , 𝑦𝑦2 , 𝑧𝑧2 ) (𝑥𝑥3 , 𝑦𝑦3 , 𝑧𝑧3 ) (𝑥𝑥𝑁𝑁 , 𝑦𝑦𝑁𝑁 , 𝑧𝑧𝑁𝑁 ) ・・・ (𝑥𝑥𝑖𝑖 , 𝑦𝑦𝑖𝑖 , 𝑧𝑧𝑖𝑖 ) (𝑥𝑥𝑗𝑗 , 𝑦𝑦𝑗𝑗 , 𝑧𝑧𝑗𝑗 ) ・・・ ・・・ 入れ替える 22
23. 三次元点群を取り扱う難しさ 順不同なデータ構造 点群は点の集合＝データの順序が変わっても同じ形状 → 点の順序に不変であることが必要 三次元点群の表す形状 三次元点群データ (𝑥𝑥1 , 𝑦𝑦1 , 𝑧𝑧1 ) (𝑥𝑥2 , 𝑦𝑦2 , 𝑧𝑧2 ) (𝑥𝑥3 , 𝑦𝑦3 , 𝑧𝑧3 ) (𝑥𝑥𝑁𝑁 , 𝑦𝑦𝑁𝑁 , 𝑧𝑧𝑁𝑁 ) ・・・ (𝑥𝑥𝑖𝑖 , 𝑦𝑦𝑖𝑖 , 𝑧𝑧𝑖𝑖 ) (𝑥𝑥𝑗𝑗 , 𝑦𝑦𝑗𝑗 , 𝑧𝑧𝑗𝑗 ) ・・・ ・・・ 入れ替える 順序を入れ替えても点群としての形状は全く同じ 23
24. 三次元点群を取り扱う難しさ 非グリッド＝非自明な隣接関係 畳み込みによる局所特徴の抽出には工夫が必要 三次元点群の表す形状 三次元点群データ (𝑥𝑥1 , 𝑦𝑦1 , 𝑧𝑧1 ) (𝑥𝑥2 , 𝑦𝑦2 , 𝑧𝑧2 ) (𝑥𝑥3 , 𝑦𝑦3 , 𝑧𝑧3 ) (𝑥𝑥𝑁𝑁 , 𝑦𝑦𝑁𝑁 , 𝑧𝑧𝑁𝑁 ) ・・・ (𝑥𝑥𝑖𝑖 , 𝑦𝑦𝑖𝑖 , 𝑧𝑧𝑖𝑖 ) (𝑥𝑥𝑗𝑗 , 𝑦𝑦𝑗𝑗 , 𝑧𝑧𝑗𝑗 ) ・・・ ・・・ この点に 対する 近傍は？ 24
25. 三次元点群を取り扱う難しさ 非グリッド＝非自明な隣接関係 畳み込みによる局所特徴の抽出には工夫が必要 三次元点群の表す形状 三次元点群データ (𝑥𝑥1 , 𝑦𝑦1 , 𝑧𝑧1 ) (𝑥𝑥2 , 𝑦𝑦2 , 𝑧𝑧2 ) (𝑥𝑥3 , 𝑦𝑦3 , 𝑧𝑧3 ) (𝑥𝑥𝑁𝑁 , 𝑦𝑦𝑁𝑁 , 𝑧𝑧𝑁𝑁 ) ・・・ (𝑥𝑥𝑖𝑖 , 𝑦𝑦𝑖𝑖 , 𝑧𝑧𝑖𝑖 ) (𝑥𝑥𝑗𝑗 , 𝑦𝑦𝑗𝑗 , 𝑧𝑧𝑗𝑗 ) ・・・ ・・・ この点に 対する 近傍は？ データ上の隣接関係は当然関係ない 25
26. アウトライン • 三次元形状のデータ形式と計測 • さまざまなデータ形式 • 三次元計測 • 点群を扱うニューラルネットワーク • 点群を扱う難しさ • 典型的なタスク・ネットワーク構成 • PointNetの紹介 • 点群の畳み込み・Backbone • タスクに合わせたHead • 三次元形状の出力 • 事前学習 • アプリケーションの例 • 典型的なアプリケーション • 点群位置合わせ • ライブラリなど 26
27. 典型的なタスク例の分類 •点群全体について推定 • クラス分類 • 位置・姿勢推定 • 変形推定 • 全周点群補完 • 点群（など，3D形状）を出力 •インスタンスについて推定 • 物体検出 •各点について推定 • セマンティックセグメンテーション • デノイジング 27
28. 点群を扱うNNの典型的な構成 •点群畳み込みで特徴抽出→タスクに合わせて出力 • 2D CNNと同様にBackboneと呼ばれるようになってきた • 徐々に密度を下げる構造，ボトルネック構造， スキップ接続等もよく用いられる •出力部分（いわゆるHead部分）: タスクに合わせて設計，後処理を含むことも 28 PointNet クラス分類 VoteNet 物体検出 Backbone Head Backbone Head
29. アウトライン • 三次元形状のデータ形式と計測 • さまざまなデータ形式 • 三次元計測 • 点群を扱うニューラルネットワーク • 点群を扱う難しさ • 典型的なタスク・ネットワーク構成 • PointNetの紹介 • 点群の畳み込み・Backbone • タスクに合わせたHead • 三次元形状の出力 • 事前学習 • アプリケーションの例 • 典型的なアプリケーション • 点群位置合わせ • ライブラリなど 29
30. PointNetの紹介 Symmetric Functionを使うアイデア PointNet [Qi+, CVPR2017], Deep Sets [Zaheer+, NIPS2017] ポイント1: 点ごとの変換であれば順序に依存しない ポイント2: グローバルプーリングであれば順序に依存しない 30
31. PointNetの紹介 Symmetric Functionを使うアイデア ポイント1: 点ごとの変換であれば順序に依存しない 𝑥𝑥1 𝑥𝑥2 𝑥𝑥3 𝑥𝑥𝑁𝑁 ・・・ 𝑥𝑥𝑖𝑖 ・・・ ℎ(𝑥𝑥1 ) ℎ(𝑥𝑥2 ) ℎ(𝑥𝑥3 ) ℎ(𝑥𝑥𝑁𝑁 ) ・・・ ・・・ ℎ(⋅) ℎ(⋅) ℎ(⋅) ℎ(⋅) ℎ(⋅) ℎ(𝑥𝑥𝑖𝑖 ) 入力点群 点ごとに変換された特徴量 順序に依存しない変換になっている 31
32. PointNetの紹介 Symmetric Functionを使うアイデア ポイント2: グローバルプーリングであれば順序に依存しない ℎ(𝑥𝑥1 ) ℎ(𝑥𝑥2 ) ℎ(𝑥𝑥3 ) ℎ(𝑥𝑥𝑁𝑁 ) ・・・ 𝑔𝑔 ℎ 𝑥𝑥1 , ℎ 𝑥𝑥2 , ⋯ , ℎ 𝑥𝑥𝑁𝑁 ・・・ 𝑔𝑔(⋅) ℎ(𝑥𝑥𝑖𝑖 ) 点ごとに変換された特徴量 点群全体から集約した特徴量 𝑔𝑔 ⋅ : 特徴量ベクトルの要素（チャンネル）ごとに，最大値・平均値などを計算 32
33. PointNetの紹介 Symmetric Functionを使うアイデア ポイント1: 点ごとの変換 → PointNetではShared MLP （1x1 Convolution, Pointwise Convolutionと同義） ポイント2: グローバルプーリング → PointNetではMax Pooling 𝑥𝑥1 𝑥𝑥2 𝑥𝑥3 𝑥𝑥𝑁𝑁 ・・・ 𝑥𝑥𝑖𝑖 ・・・ ℎ(𝑥𝑥1 ) ℎ(𝑥𝑥2 ) ℎ(𝑥𝑥3 ) ℎ(𝑥𝑥𝑁𝑁 ) ・・・ 𝑔𝑔 ℎ 𝑥𝑥1 , ℎ 𝑥𝑥2 , ⋯ , ℎ 𝑥𝑥𝑁𝑁 ・・・ ℎ(⋅) ℎ(⋅) ℎ(⋅) ℎ(⋅) ℎ(⋅) 𝑔𝑔(⋅) ℎ(𝑥𝑥𝑖𝑖 ) Shared MLP Max Pooling 33
34. PointNetの紹介 Spatial Transformer Networks (STN)を導入 Spatial Transformer Networks [Jaderberg+, NIPS2015] 幾何変換のパラメータを推定し正規化する構造を持つ 入力 幾何変換の パラメータを推定 出力 入力 幾何変換の パラメータを推定 出力 パラメータ 34
35. PointNetの紹介 Spatial Transformer Networks (STN)を導入 Spatial Transformer Networks [Jaderberg+, NIPS2015] 幾何変換のパラメータを推定し正規化する構造を持つ PointNetでの利用法 • Symmetric Functionによって点の順序に不変な グローバル特徴量を入力し剛体変換のパラメータを推定 • （剛体変換ではないが）特徴空間でもSTNを適用， 特徴量空間での変換を行う 35
36. PointNetの紹介 T-Net = STN Max Pooling 点ごとの特徴量と グローバルな特徴量を結合 • グローバルな特徴量を使ってクラス分類を実現 • 点ごとの特徴量とグローバルな特徴量を結合してから Shared MLPすることで，セマンティックセグメンテーションも実現 36
37. 高速化手法の紹介 Justlookup [H. Lin+, ICME2019] PointNetを学習させてからShared MLPをLUTで置き換え、 後段のMLPをFine Tuning 推論時にPointNetがGPUで25.3msであるのに対して CPUで1.5msを達成 37
38. アウトライン • 三次元形状のデータ形式と計測 • さまざまなデータ形式 • 三次元計測 • 点群を扱うニューラルネットワーク • 点群を扱う難しさ • 典型的なタスク・ネットワーク構成 • PointNetの紹介 • 点群の畳み込み・Backbone • タスクに合わせたHead • 三次元形状の出力 • 事前学習 • アプリケーションの例 • 典型的なアプリケーション • 点群位置合わせ • ライブラリなど 38
39. 三次元点群に対する畳み込み 疎な点群に対する畳み込み手法 隣接関係の自明な定義がない → PointNet以降，多数の手法が提案された 畳み込みでやりたいこと：局所特徴量の抽出 • 畳み込みを用いることで，並進（など）に 不変な局所特徴量を得ることができる （画像における2D畳み込みであれば2D並進不変） • 例）こちらのカドとあちらのカドで同じ特徴量が抽出 39
40. 二次元での畳み込み カーネルを重畳，それぞれ掛けて足し合わせる 40 ⊗ ∑ � Δ𝒙𝒙∈𝐴𝐴 𝒇𝒇 𝒙𝒙 + Δ𝒙𝒙 ⊤𝒌𝒌 Δ𝒙𝒙
41. 二次元での畳み込み カーネルを重畳，それぞれ掛けて足し合わせる 41 ⊗ ∑ � Δ𝒙𝒙∈𝐴𝐴 𝒇𝒇 𝒙𝒙 + Δ𝒙𝒙 ⊤𝒌𝒌 Δ𝒙𝒙 𝒙𝒙: 着目点 𝒇𝒇 𝒙𝒙 : 着目点の入力特徴量 𝐴𝐴: 着目点周辺の領域 Δ𝒙𝒙: カーネル内での 相対座標 𝒌𝒌 Δ𝒙𝒙 : Δ𝒙𝒙での カーネルの値 カーネル
42. 点群における畳み込み 基本方針は二次元での畳み込みを拡張 • 𝒇𝒇 𝒙𝒙 : 入力特徴量， 𝒇𝒇 𝒙𝒙 + Δ𝒙𝒙 でそれぞれ定義されている • 𝒌𝒌 Δ𝒙𝒙 : カーネル（一般にはΔ𝒙𝒙による関数） • 𝛥𝛥𝒙𝒙 ∈ 𝐴𝐴 𝒙𝒙 : 近傍点と近傍領域（一般には𝒙𝒙による集合） • Agg: 集約関数 42 AggΔ𝒙𝒙∈𝐴𝐴 𝒙𝒙 𝒇𝒇 𝒙𝒙 + Δ𝒙𝒙 ⊤𝒌𝒌 Δ𝒙𝒙 入力特徴量 カーネル 各点で掛け合わせる 局所領域について集約
43. 点群における畳み込み 基本方針は二次元での畳み込みを拡張 • 𝒇𝒇 𝒙𝒙 : 入力特徴量， 𝒇𝒇 𝒙𝒙 + Δ𝒙𝒙 でそれぞれ定義されている • 𝒌𝒌 Δ𝒙𝒙 : カーネル（一般にはΔ𝒙𝒙による関数） • 𝛥𝛥𝒙𝒙 ∈ 𝐴𝐴 𝒙𝒙 : 近傍点と近傍領域（一般には𝒙𝒙による集合） • Agg: 集約関数 手法ごとに違うのは • 近傍をどう決めるか • カーネルをどう決めるか（≒どう学習可能にするか） • どう集約するか 43
44. 近傍をどう決めるか 多くはkNN (k-Nearest Neighbor) か rNN (radius-Nearest Neighbor) メッシュが入力の場合は接続関係を利用する場合も 44 kNN: 近傍点k個を選択 rNN: 半径r以内の点を選択
45. 近傍をどう決めるか 各手法の特徴 • kNN: シンプル・近傍が同じ点数なので扱いやすい • rNN: 形状に伴った近傍領域の設定ができるが 各点の近傍の点数がバラバラになるので扱いにくい 典型的な計算方法 • kNN: 距離行列を計算しTop-kを選択 • rNN: 距離行列を計算しスレッショルド 真にrNNで近傍を設定すると、最悪ケースで全点が半径r内に 入ってしまい計算コスト大 → 予めkNNで近傍を切ってからrNNとする例が多い 45
46. 集約をどうするか 順不同な関数であればOK PointNetでMax-poolingを使うのと同じ • Sum: 元の畳み込みに近い構造になる • Max, Mean: 個数が変化しても対応できる 46 ℎ(𝑥𝑥1 ) ℎ(𝑥𝑥2 ) ℎ(𝑥𝑥3 ) ℎ(𝑥𝑥𝑁𝑁 ) ・・・ 𝑔𝑔 ℎ 𝑥𝑥1 , ℎ 𝑥𝑥2 , ⋯ , ℎ 𝑥𝑥𝑁𝑁 ・・・ 𝑔𝑔(⋅) ℎ(𝑥𝑥𝑖𝑖 ) 局所点群の点ごとの特徴量 集約した特徴量
47. Pointwise Convolution [B. S. Hua+, CVPR2018] 1. 点ごとにボクセルグリッドでカーネルを定義 2. ボクセルごとに特徴量の平均を求め，畳み込み 演算は高速だが剛体変換によって変化 畳み込みの手法の紹介 47
48. 畳み込みの手法の紹介 Parametric Continuous Convolutions [S. Wang+, CVPR2018] 非グリッドな環境でのカーネルを MLPで学習 1. kNNやrNNで 局所領域を選択 2. 注目点との相対 座標→その点での 重みを出力 Grid Convolution Continuous Convolution 48
49. Flex-convolution [F. Groh+, ACCV2018] 1. 畳み込む点周りで近傍点を選択 2. 相対位置をアフィン変換してカーネルの各要素に 割り当てる 3. カーネルで畳み込み 二次元画像での畳み込み 三次元点群でのFlex-convolution 中心点との相対位置によって重みを変える 畳み込みの手法の紹介 49
50. 畳み込みの手法の紹介 SpiderCNN [Y. Xu+, ECCV2019] 相対関係を入力， 重みを出力する 関数𝑔𝑔𝑤𝑤 𝑥𝑥, 𝑦𝑦, 𝑧𝑧 を学習 一定半径の球の内部にあるかの指示関数 連続関数に対する𝑥𝑥, 𝑦𝑦, 𝑧𝑧の3次までのテイラー展開 50
51. Tangent Convolution [M. Tatarchenko+, CVPR2018] 1. 各点の接平面を求める 2. 接平面上に近傍点を投影 3. 接平面を埋めるように補間 4. 2D CNNで畳み込み 三次元点の投影 Full Gaussian Mixture Nearest Neighbor Top-3 Neighbors Gaussian Mixture 畳み込みの手法の紹介 51
52. 畳み込みの手法の紹介 PointNet++ [C. R. Qi+, NIPS2017] PointNet著者らによる点群畳み込み手法 • Sampling Layer: 重心位置を選択 • Grouping Layer: 近傍点群を抽出 • PointNet Layer: 局所特徴量を計算 52
53. 畳み込みの手法の紹介 Dynamic Graph CNN (DGCNN) のEdgeConv [Y. Wang+, ACM ToG, 2019] 1. エッジごとに点ペアから特徴量をShared MLPで計算 2. ノードごとにエッジの特徴量を集約 2点の特徴量から， それらを繋ぐエッジの 特徴量を計算 エッジの特徴量を集約 53
54. 畳み込みの手法の紹介 PointPillars [A. H. Lang+, CVPR2019] • PointPillar Networkで3D→2D Bird’s Eye View (BEV)に変換 （地面方向が既知，という強い仮定が必要） • 2D CNNで処理し2DでDetection （3D BBを推定） • 高速で高精度な物体検出を実現 点群から柱状領域を抽出→特徴量を2Dにマップ 54
55. 畳み込みの手法の紹介 PointWeb [H. Zhao+, CVPR2019] • 局所領域内の点の相対関係を 利用して特徴量を重み付け • 局所領域の全点ペアについて 考慮して特徴量を更新 （Adaptive Feature Adjustmentモジュール） 55
56. 畳み込みの手法の紹介 A-CNN [A. Komarichev+, CVPR2019] 1. 接平面上に投影してから反時計回りに順序付け 2. 1D CNNで畳み込む 56
57. 畳み込みの手法の紹介 ShellNet [Z. Zhang+, ICCV2019] 1. 注目点からの距離に応じたビンで区切る 2. ビンごとに特徴量をMax-pooling 3. 結合して1D CNNで畳み込み 57
58. 畳み込みの手法の紹介（現時点オススメ） PointMLP [X. Ma+, ICLR2022] • 精度・推論/学習速度ともに優れる • 局所点群をアフィン変換する 軽量なモジュールの後に Residual接続を用いた深めの Shared-MLPとPoolingで処理 58
59. 試すには？ •PointNet++/EdgeConv/SpiderConvを試す •2Dに変換できる場合は2D CNNも検討 • BEW • Front View • (Depth Image, Multi-view, etc...) •目的に応じた畳み込みを検討 • 無理に最新手法を追いかける必要があるかは微妙 • TransformerやMLP Mixerの研究進展が割とそのまま 流用できる問題設定 59
60. グラフNNとの関係 グラフ畳み込みネットワーク（Graph Convolutional Networks, GCN）の文脈では，Message Passing として整理されることが多い • 基本的な発想は同じ • 近傍領域が自明・グラフは固定（1-hopで接続） • 近傍点との関係による特徴量がエッジに乗る， それを各点に集約する，という発想 60 𝒇𝒇𝑣𝑣 ← 𝜓𝜓 𝒇𝒇𝑣𝑣 𝑣𝑣𝑖𝑖 , Agg𝑒𝑒𝑖𝑖𝑖𝑖∈𝐸𝐸 𝑣𝑣𝑖𝑖 𝜙𝜙 𝒇𝒇𝑣𝑣 𝑣𝑣𝑖𝑖 , 𝒇𝒇𝑣𝑣 𝑣𝑣𝑗𝑗 , 𝒇𝒇𝑒𝑒 𝑒𝑒𝑖𝑖𝑖𝑖 • 𝑣𝑣𝑖𝑖 : 各頂点 • 𝒇𝒇𝑣𝑣 𝑣𝑣𝑖𝑖 : 各頂点の特徴量 • 𝑒𝑒𝑖𝑖𝑖𝑖 : 各辺 • 𝒇𝒇𝑒𝑒 𝑒𝑒𝑖𝑖𝑖𝑖 : 各辺の特徴量
61. グラフNNとの関係 グラフ畳み込みネットワーク（Graph Convolutional Networks, GCN）の文脈では，Message Passing として整理されることが多い 61 𝒇𝒇𝑣𝑣 ← 𝜓𝜓 𝒇𝒇𝑣𝑣 𝑣𝑣𝑖𝑖 , Agg𝑒𝑒𝑖𝑖𝑖𝑖∈𝐸𝐸 𝑣𝑣𝑖𝑖 𝜙𝜙 𝒇𝒇𝑣𝑣 𝑣𝑣𝑖𝑖 , 𝒇𝒇𝑣𝑣 𝑣𝑣𝑗𝑗 , 𝒇𝒇𝑒𝑒 𝑒𝑒𝑖𝑖𝑖𝑖 𝑣𝑣𝑖𝑖 : 各頂点 𝒇𝒇𝑣𝑣 𝑣𝑣𝑖𝑖 : 各頂点の特徴量 𝒇𝒇𝑒𝑒 𝑒𝑒𝑖𝑖𝑖𝑖 : 各辺の特徴量 𝑒𝑒𝑖𝑖𝑖𝑖 : 各辺の特徴量 𝜙𝜙 𝒇𝒇𝑣𝑣 𝑣𝑣𝑖𝑖 , 𝒇𝒇𝑣𝑣 𝑣𝑣𝑗𝑗 , 𝒇𝒇𝑒𝑒 𝑒𝑒𝑖𝑖𝑗𝑗 𝜙𝜙 𝒇𝒇𝑣𝑣 𝑣𝑣𝑖𝑖 , 𝒇𝒇𝑣𝑣 𝑣𝑣𝑗𝑗′ , 𝒇𝒇𝑒𝑒 𝑒𝑒𝑖𝑖𝑗𝑗′ 𝜙𝜙 ⋯ 𝜙𝜙 ⋯
62. Transformerとの関係 入力が集合（＝順不同）なので，基本的に 点群との相性は良い • ただし入力点数が多いため，サブサンプリングなどで 点数削減が必要 • ある意味ではTransformerにPositional Encodingだけを 入力しているようなもの •Point Transformer [H. Zhao+, ICCV2021]や Pointformer [X. Pan+, CVPR2021]など，利用例が 現れつつある 62
63. MLP Mixerとの関係 •こちらもおそらく相性は良い 順不同にするか順序を入れる工夫が必要 •PointMixer [J. Choe+, arXiv, 2021]などの利用例 • この論文中の図がわかりやすい． • 広く解釈するとTransformerもMLP Mixerも点群畳み込み に近い枠組みで整理できる． このあたりは集合データ処理として今後整理が進むと期待 63
64. サブサンプリング手法 サブサンプリングの必要性 • 2D CNN同様に，点群も階層的に処理したい • 点群にグリッド構造はないためサブサンプリングが必要 よく使われる手法: Furthest Point Sampling (FPS) • PointNet/PointNet++で採用，それ以降の手法でも 広く利用されている • 選ばれている点群から最も遠い点を逐次選択していく ・・・ 64
65. サブサンプリング手法の紹介 ShellNet [Z. Zhang+, ICCV2019] サンプリング手法: ランダムに選択 ShellConvによる実験で，サンプリングがランダムでも精 度が落ちないことを確かめた 65
66. サブサンプリング手法の紹介 Flex-convolution [F. Groh+, ACCV2018] サンプリング手法: Inverse Density Importance Sub-Sampling (IDISS) IDISSは点数に比例する計算量 （FPSは点数の二乗に比例する計算量なので効率が良い） 元の点群 ランダム IDISS 66
67. サブサンプリング手法の紹介 USIP [J. Li+, ICCV2019] サンプリング手法: FPS + 補正 （位置合わせのための特徴点検出手法） 1. FPSでサンプリング，その近傍で局所領域を設定 2. 局所領域内・局所領域同士の関係から代表点を再設定 FPS 局所領域内ごとの特徴量計算 近い局所領域同士で特徴量計算 再設定 67
68. サブサンプリング手法の紹介 Modeling Point Clouds with Self-Attention and Gumbel Subset Sampling [J. Yang+, CVPR2019] サンプリング方法: Score + Gumbel-Max 1. 局所点群から各点ごとの Selection Scoreを計算 2. Gumbel-Maxで確率的に サンプリング 68
69. 試すには？ •まずはFPSを試す •FPSが遅い場合: • ランダムサンプリング • IDISS •データが少ない・ロバストにしたい場合: • 学習時にランダムサンプリング • Scoreの導入，温度パラメータの導入など 69
70. アウトライン • 三次元形状のデータ形式と計測 • さまざまなデータ形式 • 三次元計測 • 点群を扱うニューラルネットワーク • 点群を扱う難しさ • 典型的なタスク・ネットワーク構成 • PointNetの紹介 • 点群の畳み込み・Backbone • タスクに合わせたHead • 三次元形状の出力 • 事前学習 • アプリケーションの例 • 典型的なアプリケーション • 点群位置合わせ • ライブラリなど 70
71. タスクに合わせたHead •点群全体について出力する場合 点群全体で集約（Max, Mean等）すればOK •インスタンスについて出力する場合 次スライドからVoteNetを紹介 •各点について出力する場合 Shared MLPなどで各点について 分類・回帰などをすればOK •点群など3D形状を出力する場合 3D形状の出力として後述 71
72. インスタンス検出 VoteNet [C. R. Qi+, ICCV2019] 物体認識＆位置姿勢推定を学習，物体クラスと バウンディングボックスを推定 サブサンプリング→ 物体座標を推定しVoting → K個のクラスタに分離 → Non-Max Suppression 72
73. アウトライン • 三次元形状のデータ形式と計測 • さまざまなデータ形式 • 三次元計測 • 点群を扱うニューラルネットワーク • 点群を扱う難しさ • 典型的なタスク・ネットワーク構成 • PointNetの紹介 • 点群の畳み込み・Backbone • タスクに合わせたHead • 三次元形状の出力 • 事前学習 • アプリケーションの例 • 典型的なアプリケーション • 点群位置合わせ • ライブラリなど 73
74. 点群の出力 三次元形状を出力する手法 • 順不同・非グリッドな点群をどうやって出力するか • どう比較してロスを計算するか • Chamfer Distance, Earth Mover’s Distanceが主流 • それ以外も提案されつつあるが普及はまだ，という印象 三次元点群以外での形状記述・出力が流行 • Implicit Functionによる表現 • NeRFでは3Dの教師信号が不要（今日の発表では割愛） 74
75. 点群の出力手法の紹介 Data-driven Upsampling [W. Zhang+, Elsevier CAD, 2019] など • 点群をアップサンプリングして出力 • Shared MLP+Max-pooling → MLPで点群を直接生成 Shared MLP Max Pooling MLP 75
76. 点群の出力手法の紹介 FoldingNet [Y. Yang+, CVPR2018] • 「折りたたみ」をShared MLPでモデル化 • アイデア: 点群によって物体表面形状が記述されている →本質的には2D 76
77. 点群の出力手法の紹介 折りたたみが徐々に学習されている 77
78. 点群の出力手法の紹介 AtlasNet [T. Groueix+, CVPR2018] 単位二次元平面を三次元空間での二次元多様体に マッピングする関数𝜑𝜑を学習 一つの関数𝜑𝜑で三次元表面すべてを表さず，いくつかの マッピングを学習 単位二次元平面の点を潜在表現が示す 二次元多様体上の点へマッピング ←のマッピングを複数のパッチに 78
79. 点群の出力手法の紹介 アプリケーション例 • 形状補間 潜在空間での線形補間により 2形状間の三次元形状を補間 • 形状の対応関係の取得 二次元平面上で同じ点に対応する部分が， 他の物体でも似た部分にマッピングされる • UVマップの生成 形状補間の例 形状の対応関係の取得の例 UVマップの例 79
80. Implicit Functionによる表現 三次元形状を陽には記述せず，NNでモデル化 された関数で陰的に記述 ※ 今回NeRFについては割愛（3DでのSupervisionではないため） 基本的なアイデア 形状をパラメータで表現して表面形状を記述， 各点をスキャンして復元 • 𝑃𝑃 = 𝒑𝒑𝑖𝑖 : 三次元点群（などの，形状に対応した入力） • 𝜽𝜽𝑃𝑃 = 𝑔𝑔 𝑃𝑃 : 形状をLatent Vectorで表す • 𝑓𝑓 𝒙𝒙|𝜽𝜽𝑃𝑃 : 𝑃𝑃の表す形状のImplicit Function 80
81. Implicit Functionによる表現 Occupancy Networks [L. Mescheder+, CVPR2019] ニューラルネットワークの識別境界で三次元形状を記述 81
82. Implicit Functionによる表現 Occupancy Networks [L. Mescheder+, CVPR2019] • エンコーダーは様々なものが使える • 2D画像 • PointNet • 3D CNN （ボクセルベース） • 陰的な表現なので出力手法が必要 • 標準的にはMarching Cubes法が用いられる • この論文では Multiresolution IsoSurface Extractionを提案 82
83. Implicit Functionによる表現 DeepSDF [J. J. Park+, CVPR2019] 形状をコード化して形状ごとのSigned Distance Function (SDF)を直接学習 シンプルなモデルで三次元形状が記述できる DeepSDFによる全周形状の補完の例 Signed Distance Function 𝑓𝑓 𝒙𝒙 � > 0（物体の外側） = 0（物体の表面） < 0（物体の内側） 83
84. Implicit Functionによる表現 DeepSDF [J. J. Park+, CVPR2019] ネットワークの構成: SDF自体を学習するため，ネットワークの構造はシンプル 基本的には単純なMLP 形状を表現するコード 三次元点 SDFの出力値 84
85. Implicit Functionによる表現 DeepSDF [J. J. Park+, CVPR2019] 三次元形状をコードで表現し，そのモデルに対するSDFの 値を各点について直接学習 Auto-decoder • エンコーダーを置かず，直接コードを学習 • 推論時はMAP推定で形状からコードに変換できる 形状を表現する コード 三次元点の座標 形状・座標に対応する SDFの出力値 形状を表現する コード SDF 85
86. 表面点群のみから学習 Implicit Geometric Regularization [A.Gropp+, ICML2020] • 表面点群（＝Implicit Functionのゼロ面上の点）から Implicit FunctionによりSDFを学習 • 適切な初期化と空間中での勾配に関する制約（SDFの 勾配があらゆる点で1になる）を用いて学習 86
87. 試すには？ まずは比較的単純な方法で試す • （Voxelによる形状を3D CNNで生成） • MLPで直接生成 • FoldingNet 高解像度な形状が必要な場合: Implicit Functionによる表現を検討 体感ではだいぶ学習が難しい＆時間がかかる 87
88. アウトライン • 三次元形状のデータ形式と計測 • さまざまなデータ形式 • 三次元計測 • 点群を扱うニューラルネットワーク • 点群を扱う難しさ • 典型的なタスク・ネットワーク構成 • PointNetの紹介 • 点群の畳み込み・Backbone • タスクに合わせたHead • 三次元形状の出力 • 事前学習 • アプリケーションの例 • 典型的なアプリケーション • 点群位置合わせ • ライブラリなど 88
89. 事前学習 点群は大規模データセットの用意が難しいため 事前学習が効く可能性が高い 大規模なラベル付きデータセットを必要としない 自己教師による手法や自動生成可能な手法に期待 まだ発展途上，組み合わせて使うことも可能なはず • Natural 3D Structures [R. Yamada+, CVPR2022] フラクタルを利用したモデル生成＆配置を自動生成し物体検出を事前学習 • Implicit Autoencoder [S. Yan+, arXiv, 2022] Implicit Functionによるデコーダーと組み合わせてオートエンコーダー • DepthContrast [Z. Zhang+, ICCV2021] モーダルの異なる3Dデータを利用して対照学習 89
90. 事前学習 •Natural 3D Structures [R. Yamada+, CVPR2022] 1. 3D Iterated Function System (IFS) でモデル生成 2. 分散に基づいてカテゴリ定義 3. 複数モデルを重ね合わせてデータ拡張 4. 3Dで配置しシーン作成 90
91. アウトライン • 三次元形状のデータ形式と計測 • さまざまなデータ形式 • 三次元計測 • 点群を扱うニューラルネットワーク • 点群を扱う難しさ • 典型的なタスク・ネットワーク構成 • PointNetの紹介 • 点群の畳み込み・Backbone • タスクに合わせたHead • 三次元形状の出力 • 事前学習 • アプリケーションの例 • 典型的なアプリケーション • 点群位置合わせ • ライブラリなど 91
92. アプリケーションの例 ベンチマーク的なアプリケーション • クラス分類 • （セマンティック／インスタンス）セグメンテーション 実利用寄りなアプリケーション • 物体検出・物体認識 VoxelNet [Y. Zhou+, CVPR2018]，Frustum PointNet [C. R. Qi+, CVPR2018]など • 点群の位置合わせ（マッチングベース） 3DMatch [A. Zeng+, CVPR2017]，3D Feat-Net [Z. J. Yew+, ECCV2018]など • 点群の位置合わせ（剛体変換推定） IT-Net [W. Yuan+, arXiv, 2018]，PointNetLK [Y. Aoki+, CVPR2019]など • 点群の位置合わせ（教師なし非剛体） • CorrNet3D [Y. Zeng+, CVPR2021]，ESFW [Y. Rintato+, arXiv, 2022] • アップサンプリング PU-Net [L. Yu+, CVPR2018]，Progressive Upsampling [Yuan+, 3DV2018]など • 形状補完 Under Weak Supervision [D. Stutz+, CVPR2018]，Latent Optimization [S. Gurumurthy+, arXiv, 2018]など • その他 ノイズ除去 [M. J. Rakotosaona+, arXiv, 2019]，手の姿勢推定 [L. Ge+, ECCV2018]， 把持姿勢の評価 [H. Liang+, ICRA2019] など 92
93. アプリケーションの例 物体検出 VoteNet [C. R. Qi+, ICCV2019] Votingを用いて三次元点群から 物体中心を推定，クラスタリングし 物体検出・BB推定 形状補完 GRNet [H. Xie+, ECCV2020] ボクセル畳み込み＆Refineで 全周点群の補完 アップサンプリング Progressive Upsampling [W. Yifan+, CVPR2019] パッチベースのアップサンプリング 93
94. アプリケーションの例 点群の位置合わせ • マッチングベース 3DMatch [A. Zeng+, CVPR2017] 位置合わせのための 局所点群を記述する特徴量を学習 • 剛体変換推定 PointNetLK [Y. Aoki+, CVPR2019] Lucas-Kanade法とPointNetを 組み合わせて点群同士の位置合わせ • 教師なし非剛体位置合わせ CorrNet3D [Y. Zeng+, CVPR2021] ESFW [R. Yanagi+, arXiv] 94
95. アウトライン • 三次元形状のデータ形式と計測 • さまざまなデータ形式 • 三次元計測 • 点群を扱うニューラルネットワーク • 点群を扱う難しさ • 典型的なタスク・ネットワーク構成 • PointNetの紹介 • 点群の畳み込み・Backbone • タスクに合わせたHead • 三次元形状の出力 • 事前学習 • アプリケーションの例 • 典型的なアプリケーション • 点群位置合わせ • ライブラリなど 95
96. 点群位置合わせ（剛体変換） IT-Net [W. Yuan+, arXiv:1811.11209] 3D剛体変換を学習，回転をそろえるための Iterative Transformer Network (IT-Net)を提案 96 入力点群 推定された 変換 入力点群に 変換を適用 一度変換した点群 変換の差分を推定・適用 全ての変換を合わせて最終的に出力する変換を得る
97. 点群位置合わせ（剛体変換） IT-Net [W. Yuan+, arXiv:1811.11209] 片面点群・センサ座標系を想定したデータセットで学習 上: 既存のモデル 下: 本論文のデータセット 観測が片面かつ回転が正規化されていない 97
98. 点群位置合わせ（剛体変換） PointNetLK [Y. Aoki+, CVPR2019] Lucas-Kanade法に PointNetを組み合わせ， 点群位置合わせ 位置合わせの例 剛体変換: 三次元ユークリッド空間でのSE(3)の要素 6次元のTwist Parametersを用いる SE(3)の指数写像のGeneratorの重み付け和を求め，指数関数で 変換した行列として剛体変換を記述 剛体変換 SE(3)についてのGenerator パラメータベクトル 98
99. 点群位置合わせ（剛体変換） PointNetLK [Y. Aoki+, CVPR2019] 𝜙𝜙をPointNetによる特徴ベクトルへの変換とする ICを導入することを前提にすると， Inverse Compositionalで考え，𝐆𝐆−1について解く 変換先のパラメータ周りで一次近似する 変換元の点群 変換先の点群 求める剛体変換の逆変換 パラメータに対するヤコビアン 以降𝐉𝐉と表記 パラメータ 99
100. 点群位置合わせ（剛体変換） PointNetLK [Y. Aoki+, CVPR2019] パラメータに対するPointNetの微分を考えるのは 非常に難しい → 数値的にヤコビアンを計算 ヤコビアン𝐉𝐉の各列𝐉𝐉𝑖𝑖 をパラメータの微小変動で近似 ヤコビアンの疑似逆行列によりパラメータを更新 𝐓𝐓に沿った 微小な剛体変換 微小な剛体変換後の点群に 対するPointNetの出力 元の点群に対する 点群のPointNetの出力 上で求めた近似ヤコビアンの疑似逆行列 100
101. 点群位置合わせ（剛体変換） PointNetLK [Y. Aoki+, CVPR2019] ネットワークの構造 PointNetに近い構造，T-Netを取り除いている 行列対数関数を計算しなくて良いように，順変換→逆変換した行列と 単位行列を比較 Shared MLP+Average Pooling ヤコビアンの計算 パラメータ推定 推定剛体変換の更新 101
102. 点群位置合わせ（非剛体変換） CorrNet3D [Y. Zeng+, CVPR2021] • 非剛体な変形をする点群間の対応を教師なしで学習 • 局所点群の特徴から形状の対応を推定 • 変形した点群を入力し 対応を推定，並べ替え 変形してみて比較 102 局所特徴量のSimilarityから対応推定
103. アウトライン • 三次元形状のデータ形式と計測 • さまざまなデータ形式 • 三次元計測 • 点群を扱うニューラルネットワーク • 点群を扱う難しさ • 典型的なタスク・ネットワーク構成 • PointNetの紹介 • 点群の畳み込み・Backbone • タスクに合わせたHead • 三次元形状の出力 • 事前学習 • アプリケーションの例 • 典型的なアプリケーション • 点群位置合わせ • ライブラリなど 103
104. ライブラリなど 現状でのオススメ：PyTorch Geometric • グラフNN的な枠組みで点群処理が書ける • 有名なネットワーク・よく使われる手法が実装済み その他のライブラリ • PyTorch3D, TensorFlow Graphics • メッシュの最適化・微分可能レンダリング等に強い • Kaolin • 3D全般・Omniverseに組み込まれるらしい？ • Minkowski Engine, TorchSparse • スパーステンソルの扱いに強い • MATLABも対応しつつあるらしい 104
105. PyTorch Geometricの紹介 PyTorch Geometricにおけるミニバッチ • Tensorとしてはすべて結合している • どの点群（グラフ）に属するかをbatchで指定 （PyTorch Scatterを利用している） • Shared MLP等の要素ごとの処理はそのまま動く • 集約やkNN等をグラフ単位で処理できる関数を用意 105 1個目の点群 2個目の点群 N個目の点群
106. まとめ •三次元点群に深層学習を適用する際の • キーとなるアイデア：Symmetric Function • 典型的なネットワーク構成：Backbone+Head • Backboneで使われる点群畳み込み • 点群（・三次元形状）を出力する際のアプローチ について解説 •アプリケーション例を紹介 106
107. 参考文献 (1/3) • Eman Ahmed, Alexandre Saint, Abd El Rahman Shabayek, Kseniya Cherenkova, Rig Das, Gleb Gusev, Djamila Aouada, Bjorn Ottersten. A survey on Deep Learning Advances on Different 3D Data Representations. arXiv:1808.01462. • Johannes L. Schönberger, Enliang Zheng, Jan-Michael Frahm & Marc Pollefeys. Pixelwise View Selection for Unstructured Multi-View Stereo, ECCV2016. • Sebastian Koch, Albert Matveev, Zhongshi Jiang, Francis Williams, Alexey Artemov, Evgeny Burnaev, Marc Alexa, Denis Zorin, Daniele Panozzo. ABC: A Big CAD Model Dataset For Geometric Deep Learning, CVPR2019. • Charles R. Qi, Hao Su, Kaichun Mo, Leonidas J. Guibas. PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation. CVPR2017. • Charles R. Qi, Or Litany, Kaiming He, Leonidas Guibas. Deep Hough Voting for 3D Object Detection in Point Clouds. ICCV2019. • Manzil Zaheer, Satwik Kottur, Siamak Ravanbakhsh, Barnabas Poczos, Ruslan Salakhutdinov, Alexander Smola. Deep Sets. NIPS2017. • Max Jaderberg, Karen Simonyan, Andrew Zisserman, Koray Kavukcuoglu. Spatial Transformer Networks. NIPS2015. • Hongxin Lin, Zelin Xiao, Yang Tan, Hongyang Chao, Shengyong Ding. Justlookup: One Millisecond Deep Feature Extraction for Point Clouds By Lookup Tables. ICME2019. • Shenlong Wang, Simon Suo, Wei-Chiu Ma, Andrei Pokrovsky, Raquel Urtasun. Deep Parametric Continuous Convolutional Neural Networks. CVPR2018. • Binh-Son Hua, Minh-Khoi Tran, Sai-Kit Yeung. Pointwise Convolutional Neural Networks. CVPR2018. • Fabian Groh, Patrick Wieschollek, Hendrik P.A. Lensch. Flex-Convolution (Million-Scale Point-Cloud Learning Beyond Grid-Worlds). ACCV2018. • Maxim Tatarchenko, Jaesik Park, Vladlen Koltun, Qian-Yi Zhou. Tangent Convolutions for Dense Prediction in 3D. CVPR2018. • Alex H. Lang, Sourabh Vora, Holger Caesar, Lubing Zhou, Jiong Yang, Oscar Beijbom. PointPillars: Fast Encoders for Object Detection from Point Clouds. CVPR2019. • Charles Ruizhongtai Qi, Li Yi, Hao Su, Leonidas J. Guibas. PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space. NIPS2017. • Yue Wang, Yongbin Sun, Ziwei Liu, Sanjay E. Sarma, Michael M. Bronstein, Justin M. Solomon. Dynamic Graph CNN for Learning on Point Clouds. ACM ToG, 2019. • Yifan Xu, Tianqi Fan, Mingye Xu, Long Zeng, Yu Qiao. SpiderCNN: Deep Learning on Point Sets with Parameterized Convolutional Filters. ECCV2019. • Hengshuang Zhao, Li Jiang, Chi-Wing Fu, Jiaya Jia. PointWeb: Enhancing Local Neighborhood Features for Point Cloud Processing. CVPR2019. • Artem Komarichev, Zichun Zhong, Jing Hua. A-CNN: Annularly Convolutional Neural Networks on Point Clouds. CVPR2019. • Zhiyuan Zhang, Binh-Son Hua, Sai-Kit Yeung. ShellNet: Efficient Point Cloud Convolutional Neural Networks Using Concentric Shells Statistics. ICCV2019. • Xu Ma, Can Qin, Haoxuan You, Haoxi Ran, Yun Fu. Rethinking Network Design and Local Geometry in Point Cloud: A Simple Residual MLP Framework. ICLR2022. • Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, Illia Polosukhin. Attention Is All You Need. NIPS2017. 107
108. 参考文献 (2/3) • Hengshuang Zhao, Li Jiang, Jiaya Jia, Philip H.S. Torr, Vladlen Koltun. Point Transformer. ICCV2021. • Xuran Pan, Zhuofan Xia, Shiji Song, Li Erran Li, Gao Huang. 3D Object Detection With Pointformer. CVPR2021. • Ilya Tolstikhin, Neil Houlsby, Alexander Kolesnikov, Lucas Beyer, Xiaohua Zhai, Thomas Unterthiner, Jessica Yung, Andreas Steiner, Daniel Keysers, Jakob Uszkoreit, Mario Lucic, Alexey Dosovitskiy. MLP-Mixer: An all-MLP Architecture for Vision. NeurIPS2021. • Jaesung Choe, Chunghyun Park, Francois Rameau, Jaesik Park, In So Kweon. PointMixer: MLP-Mixer for Point Cloud Understanding. arXiv:2111.11187. • Jiaxin Li, Gim Hee Lee. USIP: Unsupervised Stable Interest Point Detection From 3D Point Clouds. ICCV2019. • Jiancheng Yang, Qiang Zhang, Bingbing Ni, Linguo Li, Jinxian Liu, Mengdie Zhou, Qi Tian. Modeling Point Clouds with Self-Attention and Gumbel Subset Sampling. CVPR2019. • Wentai Zhang, Haoliang Jiang, Zhangsihao Yang, Soji Yamakawa, Kenji Shimada, Levent Burak Kara. Data-driven Upsampling of Point Clouds. Elsevier CAD, 2019. • Yaoqing Yang, Chen Feng, Yiru Shen, Dong Tian. FoldingNet: Point Cloud Auto-Encoder via Deep Grid Deformation. CVPR2018. • Thibault Groueix, Matthew Fisher, Vladimir G. Kim, Bryan C. Russell, Mathieu Aubry. AtlasNet: A Papier-Mâché Approach to Learning 3D Surface Generation. CVPR2018. • Ben Mildenhall, Pratul P. Srinivasan, Matthew Tancik, Jonathan T. Barron, Ravi Ramamoorthi, Ren Ng. NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis. ECCV2020. • Lars Mescheder, Michael Oechsle, Michael Niemeyer, Sebastian Nowozin, Andreas Geiger. Occupancy Networks: Learning 3D Reconstruction in Function Space. CVPR2019. • Jeong Joon Park, Peter Florence, Julian Straub, Richard Newcombe, Steven Lovegrove. DeepSDF: Learning Continuous Signed Distance Functions for Shape Representation. CVPR2019. • Amos Gropp, Lior Yariv, Niv Haim, Matan Atzmon, Yaron Lipman. Implicit Geometric Regularization for Learning Shapes. ICML2020. • Ryosuke Yamada, Hirokatsu Kataoka, Naoya Chiba, Yukiyasu Domae, Tetsuya Ogata. Point Cloud Pre-training with Natural 3D Structures. CVPR2022. • Siming Yan, Zhenpei Yang, Haoxiang Li, Li Guan, Hao Kang, Gang Hua, Qixing Huang. Implicit Autoencoder for Point Cloud Self-supervised Representation Learning. arXiv:2201.00785. • Zaiwei Zhang, Rohit Girdhar, Armand Joulin, Ishan Misra. Self-Supervised Pretraining of 3D Features on Any Point-Cloud. ICCV2021. • Yin Zhou, Oncel Tuzel. VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection. CVPR2018. • Charles R. Qi, Wei Liu, Chenxia Wu, Hao Su, Leonidas J. Guibas. Frustum PointNets for 3D Object Detection from RGB-D Data. CVPR2018. • Andy Zeng, Shuran Song, Matthias Nießner, Matthew Fisher, Jianxiong Xiao, Thomas Funkhouser. 3DMatch: Learning Local Geometric Descriptors from RGB-D Reconstructions. CVPR2017. 108
109. 参考文献 (3/3) • Zi Jian Yew, Gim Hee Lee. 3DFeat-Net: Weakly Supervised Local 3D Features for Point Cloud Registration. ECCV2018. • Wentao Yuan, David Held, Christoph Mertz, Martial Hebert. Iterative Transformer Network for 3D Point Cloud. arXiv:1811.11209. • Yasuhiro Aoki, Hunter Goforth, Rangaprasad Arun Srivatsan, Simon Lucey. PointNetLK: Robust & Efficient Point Cloud Registration using PointNet. CVPR2019. • Yiming Zeng, Yue Qian, Zhiyu Zhu, Junhui Hou, Hui Yuan, Ying He. CorrNet3D: Unsupervised End-to-End Learning of Dense Correspondence for 3D Point Clouds. CVPR2021. • Rintaro Yanagi, Atsushi Hashimoto, Shusaku Sone, Naoya Chiba, Jiaxin Ma, Yoshitaka Ushiku. Edge-Selective Feature Weaving for Point Cloud Matching. arXiv:2202.02149. • Lequan Yu, Xianzhi Li, Chi-Wing Fu, Daniel Cohen-Or, Pheng-Ann Heng. PU-Net: Point Cloud Upsampling Network. CVPR2018. • Wang Yifan, Shihao Wu, Hui Huang, Daniel Cohen-Or, Olga Sorkine-Hornung. Patch-based Progressive 3D Point Set Upsampling. CVPR2019. • David Stutz, Andreas Geiger. Learning 3D Shape Completion From Laser Scan Data With Weak Supervision. CVPR2018. • Swaminathan Gurumurthy, Shubham Agrawal. High Fidelity Semantic Shape Completion for Point Clouds using Latent Optimization. arXiv:1807.03407. • Marie-Julie Rakotosaona, Vittorio La Barbera, Paul Guerrero, Niloy J. Mitra, Maks Ovsjanikov. PointCleanNet: Learning to Denoise and Remove Outliers from Dense Point Clouds. arXiv:1901.01060. • L. Ge, Z. Ren, J. Yuan. Point-to-Point Regression PointNet for 3D Hand Pose Estimation. ECCV2018. • Hongzhuo Liang, Xiaojian Ma, Shuang Li, Michael Görner, Song Tang, Bin Fang, Fuchun Sun, Jianwei Zhang. PointNetGPD: Detecting Grasp Configurations from Point Sets. ICRA2019. • Haozhe Xie, Hongxun Yao, Shangchen Zhou, Jiageng Mao, Shengping Zhang, Wenxiu Sun. GRNet: Gridding Residual Network for Dense Point Cloud Completion. ECCV2020. • Yiming Zeng, Yue Qian, Zhiyu Zhu, Junhui Hou, Hui Yuan, Ying He. CorrNet3D: Unsupervised End-to-End Learning of Dense Correspondence for 3D Point Clouds. CVPR2021. 109