点群上のランダムウォークによる特徴点検出

要旨: モデルの形状を完全に輪郭づけることができる点群上の点は、非常に重要である。これらの点は、多数の点群処理タスクの基盤となり、コンピュータグラフィックスおよびコンピュータ支援設計に広く用いられている。本研究では、そのような特徴点を抽出するための新しい手法 RWoDSN を提案する。提案手法は、鋭い形状からなめらかな形状への遷移、大スケールから小スケールへの対応、そしてテクスチャから詳細に至る特徴を考慮に入れる。特徴抽出を、2段階の文脈依存解析問題として捉える。第1段階では、従来の空間的・幾何学的不変なアプローチとは異なり、正規近傍の関係を維持しながら行列構造を保持する、新しい近傍記述子 Disk Sampling Neighborhood（DSN）を提案する。第2段階では、DSN（RWoDSN）上でランダムウォークを実行し、グラフベースの DSN を得る。このグラフベースの DSN は、各点の周囲にある局所曲面を取り巻く空間分布、位相的性質、幾何学的特徴を同時に考慮する。これにより、特徴点を効果的に抽出できる。実験結果は、提案手法 RWoDSN が、精度 0.784 に加えて、現行の最先端手法より想起率（recall）が 0.769-22% 高いことを示している。さらに、8つの評価指標において、いくつかの従来手法および深層学習手法を大きく上回る。