文献

J-GLOBAL ID：202202283384380793   整理番号：22A0554724

SegContrast:自己教師付きセグメント識別による3Dポイントクラウド特徴表現学習【JST・京大機械翻訳】

SegContrast: 3D Point Cloud Feature Representation Learning Through Self-Supervised Segment Discrimination

著者 (5件)： Nunes Lucas (Institute of Geodesy and Geoinformation, University of Bonn, Bonn, Germany) ,  Marcuzzi Rodrigo (Institute of Geodesy and Geoinformation, University of Bonn, Bonn, Germany) ,  Chen Xieyuanli (Institute of Geodesy and Geoinformation, University of Bonn, Bonn, Germany) ,  Behley Jens (Institute of Geodesy and Geoinformation, University of Bonn, Bonn, Germany) ,  Stachniss Cyrill (Institute of Geodesy and Geoinformation, University of Bonn, Bonn, Germany)
資料名： IEEE Robotics and Automation Letters  (IEEE Robotics and Automation Letters)
巻： 7  号： 2  ページ： 2116-2123  発行年： 2022年 
JST資料番号： W2448A  ISSN： 2377-3766  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： セマンティックシーン解釈は,複雑なシナリオで動作する自律システムに不可欠である。深層学習ベース手法は,このタスクで優れているが,それらは,発生が困難で,全ての関連クラスを十分にカバーできない,膨大な量のラベル付きデータに依存している。自己教師付き表現学習は,ラベルなしデータから記述表現を学習することにより,必要なラベル付きデータ量を低減する見通しを持つ。本論文では,自律運転の文脈における3Dポイントクラウドデータに対する表現学習の問題に取り組んだ。シーンの構造コンテキストを学習することを目的とする新しいコントラスト学習手法を提案した。本手法は,点雲上のクラス診断セグメントを抽出し,これらのセグメント上のコントラスト損失を適用して,類似と異種構造を識別する。3DLiDARで記録されたデータにこの方法を適用した。提案手法は競合性能を達成し,他の最先端の自己監督コントラスト点クラウド法よりも記述的特徴表現を学習できることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コントラスト ,  *表現 ,  *学習 ,  データ ,  分類 ,  自律系 ,  *三次元
準シソーラス用語： 自律性 ,  データ量 ,  *特徴表現 ,  深層学習 ,  ラベルなしデータ ,  三次元点群データ ,  表現学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： 自己 ,  教師 ,  セグメント ,  識別 ,  3D ,  ポイント ,  クラウド ,  特徴表現学習