「敵対的生成ネットワークを用いた3次元点群形状特徴量の教師なし学習」

［情報処理学会論文誌 Vol.60　No.7, pp.1315-1324］
［論文概要］

　従来の3次元形状向け深層ニューラルネットワークの多くは，ラベル付きの3次元形状を用いた教師あり学習を行うことで高精度な形状特徴量を獲得する．しかし，現存する3次元形状データの多くはラベルを持たない．そのため，ラベルなしの3次元形状から教師なし学習により高精度な特徴量を獲得する手法が望まれている．そこで本研究では，教師なし学習の一種である敵対的生成ネットワークを用いた，点群向け3次元形状特徴量を提案する．形状類似検索のシナリオで評価実験を行った結果，提案手法が獲得した形状特徴量は，既存の手作り形状特徴量を上回る精度で3次元形状を比較できることが分かった．

［受賞理由］

　本論文では，3次元形状データを比較,分類,検索するために必要な3次元形状特徴量を学習する方法として点群GANと呼ばれる敵対的生成ネットワークを応用した手法を提案した．
従来の3次元形状処理手法の多くは，ラベル付きの形状データを要求するが，現存のデータの多くはラベルを有しておらず，実問題設定との乖離があった．本堤案手法はGANを用いることでラベルなしのデータに対応できたという点が大きく評価された．
また，近年の機械学習の隆盛により，安価なセンサーから大量に得られるラベルなしの点群データを扱う状況は今後も多くなると考えられることから産業的な応用に寄与できる可能性が高い．
以上の点から、情報処理学会論文賞に相応しい優れた論文であると言える．