SpiderCNN: 매개변수화된 컨볼루션 필터를 사용한 포인트 세트의 딥 러닝

깊은 신경망은 다양한 시각적 작업에서 뛰어난 성공을 거두었지만, 3D 포인트 클라우드와 같은 규칙적인 구조를 갖지 않는 영역에 CNN(합성곱 신경망)을 적용하는 것은 여전히 어려움이 따릅니다. 이 문제를 해결하기 위해 우리는 포인트 클라우드에서 기하학적 특징을 효율적으로 추출할 수 있는 새로운 합성곱 아키텍처인 SpiderCNN을 제안합니다. SpiderCNN은 R^n에 임베딩될 수 있는 불규칙한 점 집합으로부터 합성곱 연산을 확장시키는 SpiderConv라는 단위로 구성되어 있습니다. 필터는 국소 지오데식 정보를 캡처하는 간단한 스텝 함수와 표현력을 보장하는 테일러 다항식의 곱으로 설계되었습니다. SpiderCNN은 고전적인 CNN의 다중 스케일 계층 구조를 계승하여 의미론적 딥 특징을 추출할 수 있습니다. ModelNet40에서 수행된 실험 결과, SpiderCNN은 표준 벤치마크에서 최고 수준의 정확도 92.4%를 달성하였으며, 분할 작업에서도 경쟁력 있는 성능을 보였습니다.