エネルギーベースモデルを用いた点群データからの表面再構成

抄録

ニューラルネットワークを用いた陰関数表現は，メモリ効率の良さと表現力の高さから３次元形状の表現手段として注目されており，取得の容易な3次元点群データから陰関数表現を学習・生成する表面再構成手法が研究されている．本研究ではエネルギーベースモデル（EBM）を用いて表面の陰関数表現を学習する手法を提案する．具体的には，点群を，EBMによってモデル化された3次元空間上の連続的な生成分布からのサンプリング点であるとみなし，尤度最大化によってエネルギー関数を学習する．この際，エネルギー関数としてニューラルネットワークを利用し，その構成を工夫することで，学習されたエネルギー関数から対象の陰関数表現を容易に取り出すことが出来る．また，本手法においてエネルギー関数の温度は表面以外から点がサンプリングされる確率を制御するため，これを適切に設定することでモデルに点群取得時のノイズへの耐性を持たせることができる．実験により，本手法が点群のノイズに頑健であること，先行の表面再構成手法と同等の精度を達成できることを確認した．