ドミナントセットクラスタリングとプーリングによるマルチビュー3Dオブジェクト認識

3Dオブジェクト認識のためのビューに基づく戦略は非常に成功しています。最先端の方法では、外観画像において90%以上の正しいカテゴリレベル認識パフォーマンスを達成しています。我々は、ドミナントセットに基づくビュークラスタリングとプーリングレイヤーを導入することにより、これらの方法を改善します。主なアイデアは、類似しているビューから情報をプールし、それによって同じクラスタに属することです。プールされた特徴ベクトルは、同じレイヤーへ再帰的に入力されます。この再帰的クラスタリングおよびプーリングモジュールは、オフザ shelfの事前学習済みCNNに挿入されることで、マルチビュー3Dオブジェクト認識のパフォーマンスを向上させ、ModelNet 40データベースにおいて93.8%の新しい最先端テストセット認識精度を達成しました。また、我々のクラスタプーリングCNNのための高速近似学習戦略も検討しました。この戦略はエンドツーエンド学習を犠牲にしながらも、訓練効率を大幅に改善し、認識精度を93.3%にわずかに低下させることができます。我々の実装は、https://github.com/fate3439/dscnn で入手可能です。