Point2Sequence: 주의 기반 시퀀스 투 시퀀스 네트워크를 이용한 3D 포인트 클라우드의 형상 표현 학습

지역 영역의 문맥 정보를 탐색하는 것은 형태 이해 및 분석에 중요합니다. 기존 연구들은 주로 지역 영역의 문맥 정보를 인공적으로 또는 명시적으로 부호화하는 방법을 사용합니다. 그러나, 지역 영역 내 서로 다른 부분 간의 상관관계와 같은 미세한 문맥 정보를 인공적 또는 명시적 방식으로 포착하기는 어렵습니다. 이는 학습된 특징들의 구분 능력을 제한합니다. 이러한 문제를 해결하기 위해, 우리는 3D 포인트 클라우드에서 미세한 문맥 정보를 새로운 암시적인 방식으로 포착하여 3D 형태 특징을 학습하는 새로운 딥 러닝 모델인 Point2Sequence를 제안합니다. Point2Sequence는 각 지역 영역의 다중 스케일 부분들을 주의 메커니즘(attention mechanism)을 통해 집계함으로써 상관관계를 포착하는 새로운 시퀀스 학습 모델을 사용합니다. 구체적으로, Point2Sequence는 먼저 지역 영역 내 각 스케일 부분의 특징을 학습합니다. 그런 다음, 순환 신경망(RNN) 기반 인코더-디코더 구조를 사용하여 모든 스케일 부분들을 집계하는 과정에서 스케일 부분들 간의 상관관계를 포착하며, 여기서 주의 메커니즘이 서로 다른 스케일 부분들의 중요성을 강조하도록 설계되었습니다. 실험 결과, Point2Sequence가 형태 분류 및 세그멘테이션 작업에서 최신 수준(state-of-the-art)의 성능을 달성함을 보여주었습니다.