Survey論文の確認②(Introduction)|3D Point CloudsとDeepLearning #2
点群(Point Clouds)の基本的な内容については以前の記事で取り扱いました。
点群に対しても近年DeepLearningの導入が検討されており概要を掴むにあたって、下記のSurvey論文を元に読み進めています。
[1912.12033] Deep Learning for 3D Point Clouds: A Survey
#1ではAbstractを確認し、全体の大枠を掴みました。
https://lib-arts.hatenablog.com/entry/point_clouds_dl1
#2ではIntroductionについて取り扱っていきます。
以下目次になります。
1. Introduction(Section1)
2. まとめ
1. Introduction(Section1)
1節ではSection1のIntroductionについて確認します。以下パラグラフ単位で確認していきます。
第一パラグラフでは、3D情報の取得にあたっての技術の急速な発展によって、3Dセンサー技術がどんどん利用が可能になってきていることについて述べられています。センサーの例としては3Dスキャナーや、KinectやApple depth camerasのようなRGB-Dカメラなどが挙げられています。また、2次元の画像と組み合わせることによって、3Dデータはより周りの状況を反映したものになり、自動運転やロボティクス、リモートセンシング、治療、デザイン業界など幅広い応用が紹介されています。
第二パラグラフでは、3D dataの形式について色々と紹介されています。まず3D dataの形式として、画像の深度(depth image)、点群(point clouds)、メッシュ(meshes)、volumetric gridsなどが紹介されています。また、画像や音声、言語などの分野におけるDeepLearningの発展と点群データの取り扱いの難しさについて触れた上で、このサーベイではDeepLearningを用いた3Dの点群の処理の分析にフォーカスするとしています。
DeepLearningを用いた点群データの処理はここ5年ほどで注目が集まっており、いくつかの公開データセットが利用可能になったとされています。具体的には、ModelNet、ShapeNet、ScanNet、Semantic3D、KITTI Vision Benchmark Suiteなどが紹介されています。また、問題のカテゴリとして、3D shape classification、3D object detection、3D point cloud segmentationなどが紹介されています。上記を受けてこのサーベイでは点群データにおけるDeepLearningの導入についての研究をまとめたとされています。また、分類(taxonomy)としてはFig 1にまとめたとされています。
Fig 1では上記のように分類(taxonomy)をまとめています。3D shape classification、3D object detection、3D point cloud segmentationの三つのタスクに関して紹介しており、それぞれSection2〜Section4で取り扱うとされています。
第四パラグラフでは、このサーベイの主要なcontributionsについてまとめられています。論点は4つとされており、それぞれ、(1)点群データの主要タスクに対するDeepLearningの手法を包括的にまとめた、(2)他の3Dデータではなく3Dの点群データにフォーカスした、(3)当該分野の研究の最新情報や発展の過程をまとめた、(4)公開されているデータセットを用いた既存の手法の包括的な比較を行った、の4点が挙げられています。
第五パラグラフでは、このサーベイの全体構成について言及したのちに、更新情報のリンクについても記しています。全体構成についてはFig 1で書かれているように、Section2で3D shape classification、Section3で3D object detection、Section4で3D point cloud segmentationを取り扱うとしています。
また、下記のGitHubで諸々のアップデートを行っているとされています。
GitHub - QingyongHu/SoTA-Point-Cloud: Deep Learning for 3D Point Clouds
2. まとめ
#2ではサーベイ論文のIntroductionについて確認しました。
#3では引き続き、Section2の3D Shape Classificationについて確認していきます。