대규모 포인트 클라우드를 위한 완전 컨볼루션 포인트 네트워크

본 연구는 대규모 3D 데이터를 효율적으로 처리하기 위한 일반적인 완전 합성곱 네트워크 구조를 제안합니다. 본 접근 방식의 주목할 만한 특징 중 하나는 포인트 클라우드와 같은 비정렬 3D 표현을 입력으로 받아, 내부적으로 이를 정렬된 구조로 변환하여 3D 합성곱을 통해 처리할 수 있는 능력입니다. 기존 접근 방식이 입력에서 출력까지 비정렬 또는 정렬된 표현을 유지하는 것과 달리, 본 방법은 메모리 효율적인 입력 데이터 표현을 사용하면서도 합성곱 연산의 자연스러운 구조를 활용하여 네트워크 내에서 공간 정보의 중복 계산 및 저장을 피할 수 있는 장점이 있습니다. 이 네트워크는 원시 센서 데이터의 사전 처리나 후처리가 필요 없으며, 이 점과 함께 네트워크의 완전 합성곱 성질 덕분에 거대한 공간이나 심지어 최대 20만 개 포인트를 포함하는 전체 방의 포인트 클라우드를 한 번에 처리할 수 있는 엔드투엔드 방법입니다. 또한 본 네트워크는 정렬된 출력을 생성하거나 예측 결과를 직접 입력 클라우드에 매핑할 수 있어, 다양한 3D 작업에 적용 가능한 일반적인 포인트 클라우드 설명자로 적합합니다. 우리는 본 네트워크가 저수준 특징뿐만 아니라 복잡한 구성 관계도 효과적으로 학습할 수 있음을 의미론적 복셀 분할, 의미론적 부분 분할 및 3D 씬 캡셔닝 벤치마크 데이터셋에서 평가함으로써 입증하였습니다.