KPConv: 포인트 클라우드를 위한 유연하고 변형 가능한 컨볼루션

우리는 중간 표현 없이 포인트 클라우드에서 직접 작동하는 새로운 포인트 컨볼루션 설계인 커널 포인트 컨볼루션(KPConv)을 제시합니다. KPConv의 컨볼루션 가중치는 유클리드 공간에 위치한 커널 포인트에 의해 결정되며, 이들 근처의 입력 포인트에 적용됩니다. KPConv가 사용할 수 있는 커널 포인트의 수가 제한되지 않기 때문에, 고정 그리드 컨볼루션보다 더 많은 유연성을 제공합니다. 또한 이러한 위치는 공간상 연속적이며 네트워크를 통해 학습될 수 있습니다. 따라서, KPConv는 로컬 기하학에 적응하도록 커널 포인트를 학습하는 변형 가능한 컨볼루션으로 확장될 수 있습니다. 정규화된 하위 샘플링 전략 덕분에, KPConv는 다양한 밀도에도 효율적이고 견고합니다. 복잡한 작업에는 변형 가능한 KPConv를, 간단한 작업에는 강체 KPConv를 사용함으로써, 우리의 네트워크는 여러 데이터셋에서 최신 분류 및 세그멘테이션 접근법을 능가합니다. 또한, 우리는 아블레이션 연구와 시각화를 제공하여 KPConv가 학습한 내용을 이해하고 변형 가능한 KPConv의 설명력을 검증합니다.