PCN: Point Completion Network PCN: 포인트 완성 네트워크

형상 완성은 부분적인 관측치에서 객체의 완전한 기하학적 구조를 추정하는 문제로, 많은 시각 및 로봇공학 응용 분야의 핵심에 위치하고 있습니다. 본 연구에서는 Point Completion Network(PCN)라는 새로운 학습 기반 접근법을 제안합니다. 기존의 형상 완성 방법과 달리, PCN은 기본 형상에 대한 구조적 가정(예: 대칭성)이나 주석(예: 의미론적 클래스) 없이 원시 포인트 클라우드에 직접 작동합니다. 이 접근법은 세부적인 완성을 생성하면서도 매개변수 수를 적게 유지할 수 있는 디코더 설계를 특징으로 합니다. 실험 결과, PCN은 다양한 수준의 불완전성과 노이즈가 포함된 입력에서 실질적인 구조를 가진 밀도 높고 완전한 포인트 클라우드를 생성하며, KITTI 데이터셋의 LiDAR 스캔에서 자동차 형상을 처리하는 데에도 효과적으로 적용되었습니다.