초록
본 논문은 구조화되지 않은 포인트 클라우드에서 견고하고 세부 정보를 보존하는 표면 법선 추정을 위한 엔드 투 엔드 미분 가능한 알고리즘을 제시합니다. 우리는 그래프 신경망을 이용하여 지역 이웃에서 가중 최소제곱 평면 적합을 위한 포인트 가중치를 생성하는 적응형 비등방성 커널을 반복적으로 매개변수화합니다. 이 접근 방식은 전통적인 순차적 평면 적합의 해석 가능성과 효율성을 유지하면서도 딥 러닝을 통해 데이터 세트 통계에 적응할 수 있는 이점을 제공합니다. 그 결과, 노이즈, 이상치 및 포인트 밀도 변화에 견고하며, 비등방성 커널과 로컬 쿼터니언 기반 공간 변환기의 등가변환성을 통해 날카로운 특징을 보존하는 최신 수준의 표면 법선 추정기가 개발되었습니다. 기존의 딥 러닝 방법들과 달리, 제안된 접근 방식은 어떠한 수작업 특징이나 사전 처리도 필요하지 않습니다. 또한, 최신 연구 결과를 개선하면서 2개 이상의 차수만큼 더 빠르고 매개변수 효율성이 우수합니다.