O-CNN: Octree 기반의 3차원 형태 분석을 위한 합성곱 신경망

우리는 3D 형태 분석을 위한 O-CNN, 즉 옥트리 기반 합성곱 신경망(Octree-based Convolutional Neural Network, CNN)을 제시합니다. 3D 형태의 옥트리 표현을 기반으로 하여, 우리의 방법은 가장 세부적인 리프 옥턴트에서 샘플링된 3D 모델의 평균 법선 벡터를 입력으로 받아, 3D 형태 표면이 차지하는 옥턴트에서 3D CNN 연산을 수행합니다. 우리는 그래픽 메모리에 옥턴트 정보와 CNN 특성을 효율적으로 저장하고 전체 O-CNN 훈련 및 평가를 GPU에서 실행하기 위해 새로운 옥트리 데이터 구조를 설계하였습니다. O-CNN은 다양한 CNN 구조를 지원하며, 다른 표현 방식의 3D 형태에도 적용할 수 있습니다. 3D 표면이 차지하는 옥턴트에서 계산을 제한함으로써, O-CNN의 메모리와 계산 비용은 옥트리의 깊이가 증가함에 따라 이차적으로 증가하여 고해상도 3D 모델에 대한 3D CNN이 가능하게 됩니다. 우리는 O-CNN의 성능을 다른 기존 3D CNN 솔루션들과 비교하였으며, 객체 분류, 형태 검색, 형태 분할 등 세 가지 형태 분석 작업에서 O-CNN의 효율성과 효과성을 입증하였습니다.