확장된 포인트 컨볼루션: 3D 포인트 클라우드에서의 포인트 컨볼루션 수용 필드 크기에 관하여

본 연구에서는 Dilated Point Convolutions (DPC)을 제안합니다. 철저한 아블레이션 연구를 통해 3D 포인트 클라우드 처리 작업, 특히 의미 분할과 객체 분류에서 수용 필드 크기가 성능에 직접적으로 영향을 미치는 것을 보여줍니다. 포인트 컨볼루션은 포인트 클라우드나 그래프와 같은 3D 데이터 표현을 효율적으로 처리하는 데 널리 사용됩니다. 그러나 최근의 포인트 컨볼루셔널 네트워크들의 수용 필드 크기는 본질적으로 제한적임을 관찰하였습니다. 우리의 다ilated 포인트 컨볼루션은 이 문제를 완화시키며, 포인트 컨볼루션의 수용 필드 크기를 크게 증가시킵니다. 중요한 점은 우리의 확장 메커니즘이 대부분의 기존 포인트 컨볼루셔널 네트워크에 쉽게 통합될 수 있다는 것입니다. 결과적인 네트워크 구조를 평가하기 위해, 우리는 수용 필드를 시각화하고 인기 있는 포인트 클라우드 벤치마크에서 경쟁력 있는 점수를 보고합니다.