クロスドメイン3Dクラス増分学習における性能差の緩和

本論文は、3D点群認識におけるクラス増分学習（CIL）の新たな課題である「性能格差（performance discrepancy）」を扱う。実世界では、同じクラスの3DオブジェクトがCADモデル、RGB-Dスキャン、ビデオ再構成など異なるドメインから得られ、その不均一性により、ドメイン間で性能劣化の度合いが異なることを指摘する。この問題を研究するため、異種ドメインの点群カテゴリを含むDomain3D-CILプロトコルを構築し、既存のCIL手法を3Dに適用した結果、性能格差が一貫して現れることを示す。さらに、この問題を緩和するため、特徴分布の高次統計量を暗黙的にモデル化するexemplar-free手法PolyMemを提案する。

従来のCIL研究は主に2D画像を対象とし、3D点群への適用は限られていた。また、既存の3D CIL手法は、ドメイン間の不均一性が引き起こす性能格差を考慮しておらず、単に全体的な精度低下（破滅的忘却）のみに焦点を当てていた。本論文は、ドメイン間で性能劣化の度合いが異なるという新たな現象を初めて体系的に特定し、その評価プロトコルを提供する点が革新的である。さらに、提案するPolyMemは、exemplar-freeでありながら高次統計量を利用することで、ドメインシフトに対する頑健性を向上させる点で、従来の手法より優れている。

PolyMemの核心は、exemplar-freeで特徴分布の高次統計量を暗黙的にモデル化することにある。具体的には、特徴の共分散や高次モーメントを考慮することで、ドメイン間の分布シフトを吸収し、クラス識別に頑健な表現を学習する。また、Domain3D-CILプロトコルは、異なるドメイン（CAD、RGB-D、ビデオ再構成など）から収集した点群カテゴリを訓練・評価に用いることで、性能格差を測定可能にする。手法の詳細（ネットワーク構造や損失関数）は要旨からは不明だが、高次統計量の活用が鍵である。

実験では、まずDomain3D-CILプロトコルを構築し、複数の主流CIL手法を3D点群に適用して性能格差が一貫して現れることを示した。次に、提案するPolyMemをこれらのベースラインと比較し、性能格差を緩和しつつ、全体的な性能も向上することを実証した。具体的なデータセットや評価指標は要旨に明記されていないが、コードは公開予定である。

要旨からは、性能格差の原因分析や、PolyMemの理論的保証、計算コスト、他のモダリティへの適用可能性などについての議論は不明である。また、exemplar-freeであることの利点（メモリ節約）はあるが、exemplar-based手法との比較や、性能格差がどの程度解消されたかの定量的な詳細は示されていない。さらに、提案手法がドメインシフトの種類（品質、ノイズなど）に依存する可能性も考えられるが、要旨では触れられていない。

要旨で参照されているのは、既存のCIL手法（具体的な名称は不明）と、3D点群認識の関連研究である。次に読むべき論文としては、CILの古典的手法であるiCaRL、EWC、LwFなどが挙げられるが、要旨に明記されていないため、同分野の定番である「Class-Incremental Learning」に関するサーベイ論文や、3D点群認識のドメイン適応に関する研究が適切である。具体的には、3D点群のドメイン適応を扱った論文や、CILとドメインシフトを組み合わせた研究が関連する。