Nesti-Net: 비정렬 3D 포인트 클라우드의 정규 추정을 위한 컨벌루션 신경망

본 논문에서는 구조화되지 않은 3D 포인트 클라우드의 법선 추정 방법을 제안합니다. 이 방법은 Nesti-Net이라고 하며, 로컬 코스 가우시안 그리드에서 추정된 다중 스케일 포인트 통계량(Multi-scale Point Statistics, MuPS)으로 구성된 새로운 로컬 포인트 클라우드 표현을 기반으로 합니다. 이 표현은 CNN 아키텍처에 적합한 입력입니다. 법선은 전문가 혼합(Mixture-of-Experts, MoE) 아키텍처를 사용하여 추정되며, 이는 각 포인트 주변의 최적 스케일을 선택하는 데이터 주도 접근 방식에 의존하며 서브 네트워크의 특화를 장려합니다. 네트워크의 리소스 분배에 대한 흥미로운 통찰이 제공됩니다. 스케일 예측은 다양한 노이즈 수준, 포인트 밀도 변동 및 세부 수준에 대한 견고성을 크게 향상시킵니다. 우리는 벤치마크 합성 데이터셋에서 최신 연구 결과를 달성하였으며, 실제 스캔된 장면에 대한 정성적인 결과를 제시합니다.