초록
포인트 클라우드는 3차원 표현의 중요한 유형입니다. 그러나 포인트 클라우드의 희소하고 불규칙하며 순서가 없는 데이터 구조로 인해 직접 컨볼루션을 적용하는 것은 어려움이 있습니다. 본 논문에서는 이러한 포인트 클라우드 특성 학습 및 이해 문제를 해결하기 위해 새로운 보간 컨볼루션 연산, InterpConv(보간 컨볼루션)를 제안합니다. 주요 아이디어는 이산 커널 가중치 집합을 사용하여 보간 함수를 통해 포인트 특성을 근처의 커널-가중치 좌표에 보간하는 것입니다. 또한 서로 다른 희소도를 가진 이웃을 처리하기 위해 정규화 항을 도입하였습니다. 제안된 InterpConv는 순열과 희소도에 불변성이 있으며, 불규칙한 입력을 직접적으로 처리할 수 있습니다. 우리는 이를 기반으로 InterpConv 레이어를 설계하여 형상 분류, 객체 부분 세분화 및 실내 장면 의미 해석 등의 포인트 클라우드 인식 작업을 수행할 수 있는 보간 컨볼루셔널 신경망(InterpCNNs)을 개발하였습니다. 실험 결과, 네트워크가 미세한 국부 구조와 전역적인 형상 맥락 정보를 효과적으로 포착할 수 있음을 확인하였습니다. 제안된 접근 방식은 ModelNet40, ShapeNet Parts 및 S3DIS 등 공개 벤치마크에서 최고 성능을 달성하였습니다.