BLOG

シンラボメンバーのあれこれ

  1. HOME
  2. ブログ
  3. コラム
  4. 代表通信~3D Machine LearningとDeepL Pro

代表通信~3D Machine LearningとDeepL Pro

こんばんは。代表の草場です。

昨日は午前中通院です。VRぶっ通しでやっていたため、ぎりぎりに起床です。なんと、初の治験をすることになりました。楽しみです。どこまで書いていいのかわからないので詳しく書きませんが、3か月くらい。言えるようになったら展開します。

午後はミーティングが二件あり、時間がいつの間にか、、、。仕方ないですが、もっと効率的にしたいですね。

空いた時間で3次元データのGANを調べました。「Rethinking Sampling in 3D Point Cloud Generative Adversarial Networks」を発見。DeepLのPro版が30日無料で使えるので試しに使ってみました。すごいよすごいよ。13ページのWordは30秒で翻訳。以下、Abstract部分。

3次元点群生成的敵対的ネットワークにおけるサンプリングの再考
He Wang1∗ Zetian Jiang2∗Li Yi3∗Kaichun Mo1Hao Su4Leonidas J. Guibas111スタンフォード大学、2上海交通大学、3Googleリサーチ、4カリフォルニア大学サンディエゴ校

抄録
本論文では、点群GANにおける点のサンプリングパターンの影響について、長年無視されてきたが、重要な影響があることを調べる。大規模な実験を通じて、サンプリングに鈍感な識別器(例:PointNet-Max)では、点のクラスタリング・アーチファクトを伴う形状の点群が生成される一方で、サンプリングに過敏な識別器(例:PointNet++、DGCNN)では、有効な形状生成のガイドにはならないことを示した。本研究では、識別器の異なるサンプリング感度を   表現するために、サンプリングスペクトルの概念を提案する。さらに、さまざまな評価基準が、形状に対するサンプリングパターンの重み付けをどのように行うかを研究し、いくつかの知覚基準を提案してサンプリングスペクトルを形成する。提案されたサンプリング・スペクトルに導かれて、中点のサンプリングを意識したベースライン識別器であるPointNet-Mixを発見した。最近の研究では、ジェネレータの設計に焦点が当てられていますが、点群GANの主なボトルネックは実際には識別器の設計にあることを指摘しています。本研究では、将来の判別器を構築するための提案とツールの両方を提供しています。今後の研究を促進するために、コードを公開する予定です。

内容はまだわからないですが引き続き勉強です。

夜に地図勉強会。今回ラストで、地図の未来についてです。黒さんの考え方がふんだんに反映されたとても勉強になるものでした。詳しくはTwitterを参照。今後はデザイナー育成の勉強会となります。面白そう!
その後は経理のミーティング。皆様いつもお世話になっています。

そして、その後、朝までVR空間へ。だんだん慣れてきたが、もっとのめりこみます。

明日もVR空間へ。

関連記事