밀도 높은 포인트 클라우드 보완을 위한 모핑 및 샘플링 네트워크

3차원 포인트 클라우드 보완(3D point cloud completion)은 부분적인 포인트 클라우드에서 전체 기하학적 형태를 추론하는 작업으로, 최근 연구계에서 주목받고 있다. 기존 방법들이 생성하는 결과물에서 높은 품질의 밀집된 포인트 클라우드를 얻는 데 어려움을 겪고, 불균일한 분포, 흐릿한 세부 정보, 구조적 정보 손실 등의 문제를 겪는 점을 고려하여, 본 연구는 두 단계에 걸쳐 부분 포인트 클라우드를 보완하는 새로운 접근법을 제안한다. 구체적으로, 첫 번째 단계에서는 매개변수화된 표면 요소들의 집합을 활용하여 전체적이지만 거친(fine-grained이 아닌) 포인트 클라우드를 예측한다. 두 번째 단계에서는 새로운 샘플링 알고리즘을 통해 거친 예측 결과와 입력 포인트 클라우드를 융합한다. 본 방법은 포인트의 분포를 안내하기 위해 공동 손실 함수(joint loss function)를 활용한다. 광범위한 실험을 통해 제안한 방법의 효과성을 검증하였으며, 지구 이동 거리(Earth Mover's Distance, EMD) 및 챔퍼 거리(Chamfer Distance, CD) 측정 기준에서 기존 방법들보다 우수한 성능을 보였다.