深層学習に基づく点群分類・分割ネットワークが局所文脈情報の抽出および近傍点特徴の表現において不足している点、並びに最大プーリングによって準最適情報が失われやすい問題に対し、双方向注意機構と重み付き動的グラフ畳み込みネットワークを組み合わせた点群分類・分割アルゴリズムを提案する。まず、重み付き動的グラフ畳み込みは重み付きK近傍アルゴリズムを用いて堅牢な局所構造を構築し、強化エッジ畳み込みモジュールを導入して点特徴に重みを付け強化されたエッジ特徴を得る。次に、チャネル注意機構はチャネル間の相関を構築し各チャネルの潜在力を解放し、その後空間注意機構により3D点群の空間構造を感知して局所的な意味特徴の表現を強化し、有効な文脈情報および深層意味特徴を抽出する。最後にTopKプーリングを用いて準最適特徴を追加する。実験結果は、本アルゴリズムがModelNet40分類データセットで全体分類精度93.36％、ShapeNet Partパーツ分割データセットで平均IoU85.96％を達成し、文脈情報抽出および近傍点特徴表現強化に有効であることを示している。

分類・分割;3次元点群;注意機構;重み付き動的グラフ畳み込み;K近傍アルゴリズム