ポイントクラウド自己教師つき学習のためのマスク付きオートエンコーダ【JST・京大機械翻訳】

Pang Yatian; Wang Wenxiao; Tay Francis E. H.; Liu Wei; Tian Yonghong; Yuan Li

プレプリント

J-GLOBAL ID：202202216312740440 整理番号：22P0303254

ポイントクラウド自己教師つき学習のためのマスク付きオートエンコーダ【JST・京大機械翻訳】

Masked Autoencoders for Point Cloud Self-supervised Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年03月13日プレプリントサーバーでの情報更新日： 2022年03月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

自動監督学習の有望な方式として,マスクされた自動符号化は,自然言語処理およびコンピュータビジョンを著しく進歩した。これに触発されて,ポイントクラウド自己監督学習のためのマスクされたオートエンコーダの純方式を提案して,位置情報と不均等な情報密度の漏洩を含むポイントクラウド特性によって提起された課題に対処した。具体的には,入力点雲を不規則点パッチに分割し,それらを高比率でランダムにマスクした。次に,非対称設計およびシフトマスクトークン操作による標準変換器ベースのオートエンコーダは,マスクポイントパッチを再構成するために,非マスクポイントパッチから高レベル潜在特徴を学習する。大規模な実験は,著者らのアプローチが事前訓練中に効率的であり,様々な下流タスクでよく一般化することを示した。特に,著者らの事前訓練モデルは,ScanObjectNN上で85.18%の精度を達成し,ModelNet40上で94.04%の精度を達成し,他のすべての自己監督学習法を凌駕した。提案方式により,標準変換器に基づく簡単なアーキテクチャは,教師つき学習から専用変換機モデルを超えることができることを示す。また,本手法は,少数ショットオブジェクト分類において,最先端の精度を1.5%~2.3%まで進める。さらに,本研究は,言語と画像からポイントクラウドへの統一アーキテクチャの適用の実現可能性を鼓舞する。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

図形・画像処理一般 , 人工知能

, , , , ,

前のページに戻る