PCT: 포인트 클라우드 트랜스포머

점군의 비정형적 도메인과 순서가 없음은 깊은 신경망을 설계하는 데 어려움을 초래한다. 본 논문은 점군 학습을 위한 새로운 프레임워크인 Point Cloud Transformer(PCT)를 제안한다. PCT는 자연어 처리 분야에서 큰 성공을 거두었으며, 이미지 처리 분야에서도 큰 잠재력을 보여주는 Transformer 기반의 모델이다. 이는 점의 시퀀스 처리에 있어 본질적으로 순열 불변성(permutation invariance)을 갖추고 있어 점군 학습에 매우 적합하다. 점군 내에서 국소적 맥락을 더 효과적으로 포착하기 위해, 가장 멀리 떨어진 점 샘플링(farthest point sampling)과 가장 가까운 이웃 탐색(nearest neighbor search)을 활용하여 입력 임베딩을 강화하였다. 광범위한 실험을 통해 PCT가 형상 분류, 부분 세그멘테이션, 법선 추정 작업에서 최신 기술(state-of-the-art) 수준의 성능을 달성함을 입증하였다.