생성적 및 판별적 볼록 모델링에 대한 합성곱 신경망의 활용

3차원 데이터를 다룰 때, 표현 방식의 선택이 핵심적입니다. 우리는 복셀(voxel) 기반 모델을 탐구하고, 복셀화된 표현이 형태 모델링과 객체 분류 등의 응용 분야에서 활용 가능성을 입증하는 증거를 제시합니다. 본 연구의 주요 기여는 복셀 기반 변분 오토인코더(Variational Autoencoder)를 훈련시키는 방법, 사용자가 오토인코더가 학습한 잠재 공간(Latent Space)을 탐색할 수 있는 인터페이스, 그리고 객체 분류를 위한 깊은 합성곱 신경망(Deep Convolutional Neural Network) 아키텍처입니다. 우리는 복셀 기반 표현에 고유한 도전 과제들을 다루고, ModelNet 벤치마크에서 우리의 모델을 경험적으로 평가하여 객체 분류에서 최신 기술 대비 51.5%의 상대적인 개선을 보여줍니다.