SE(3)-トランスフォーマー：3D回転翻訳等変注意ネットワーク

我々は、3D点群とグラフのための自己注意モジュールの変種であるSE(3)-トランスフォーマーを紹介します。このモデルは、連続的な3D回転翻訳に対して等変です。等変性は、データ入力の雑音変換の存在下において、安定で予測可能な性能を確保するために重要です。等変性の良い結果は、モデル内での重みの結合の増加です。SE(3)-トランスフォーマーは、自己注意の利点を活用して、異なる数のポイントを持つ大規模な点群およびグラフ上で動作する一方、堅牢性のためにSE(3)-等変性を保証します。我々は、入力の回転の下で予測の堅牢性を示すおもちゃのN体粒子シミュレーションデータセットでモデルを評価します。さらに、我々は実世界の2つのデータセット、ScanObjectNNおよびQM9で競争力のある性能を達成します。すべての場合において、我々のモデルは強力な非等変注意ベースラインおよび注意なしの等変モデルを上回っています。