ネットワークの一般化能力を強化し、部品分割の精度を向上させるために、本論文では最適割当と最良マスクを考慮した点群部品分割手法を提案する。まず、ブルドーザー距離に基づいて2つの点群間の最適割当を定義する。次に、最遠点サンプリングを用いて点群をグルーピングし、各グループ内の点の顕著性を計算する。さらに、ボールクエリを使用して点群の最良マスクを決定し、元の点群の意味情報を保持する。最後に、一つの点群内で顕著性の高い点の近傍を、別の点群内で顕著性の低い点の近傍と置き換えることで、点群間の混合増強を実現する。本手法はShapeNetデータセットで検証され、本手法で増強したデータをPointNet、PointNet++、DGCNNモデルに入力すると、mIoUはそれぞれ83.7％、85.1％、85.1％から85.1％、86.3％、86.0％に増加し、部品分割の効果が有効に向上した。

データ増強;点群;部品分割;顕著性