공간 그룹 합성곱을 사용한 효율적인 의미적 장면 완성 네트워크

우리는 3D 밀도 예측 작업의 계산을 가속화하기 위해 공간 그룹 합성곱(Spatial Group Convolution, SGC)을 소개합니다. SGC는 기능 채널 차원이 아닌 공간 차원에서 작동하는 그룹 합성곱과 직교적입니다. 이 방법은 입력 복셀들을 여러 그룹으로 나누고, 이러한 분리된 그룹에서 3D 희소 합성곱을 수행합니다. 합성곱을 수행할 때 유효한 복셀만 고려되기 때문에, 정확도에 약간의 손실이 있는 대신 계산량이 크게 줄어들 수 있습니다. 제안된 연산은 단일 깊이 이미지로부터 완전한 3D 볼륨에 대한 의미론적 라벨을 예측하는 의미론적 장면 완성 작업에서 검증되었습니다. SGC를 바탕으로, 우리는 다중 스케일 구조와 거칠기-세밀한 예측 전략을 활용하는 효율적인 3D 희소 합성곱 네트워크를 제시합니다. SUNCG 데이터셋에서 평가를 실시한 결과, 최고 수준의 성능과 빠른 속도를 달성하였습니다. 코드는 https://github.com/zjhthu/SGC-Release.git 에서 제공됩니다.