PointCutMix: 포인트 클라우드 분류를 위한 정규화 전략

3D 포인트 클라우드 분석에 대한 관심이 점차 증가함에 따라, 포인트 클라우드 데이터셋의 규모 부족과 네트워크의 낮은 일반화 능력 문제가 두드러지고 있다. 본 논문에서는 이러한 문제를 완화하기 위해 간단하면서도 효과적인 포인트 클라우드 데이터 증강 기법인 PointCutMix을 제안한다. PointCutMix은 두 개의 포인트 클라우드 간의 최적의 대응 관계를 찾고, 한 샘플 내 포인트를 그 최적 대응 쌍으로 치환함으로써 새로운 학습 데이터를 생성한다. 다양한 작업에 맞춰 정확도 또는 견고성 요구 사항을 충족하기 위해 두 가지 치환 전략을 제안하였으며, 하나는 임의로 모든 치환 대상 포인트를 선택하는 방식이고, 다른 하나는 임의로 선택한 한 점의 k개 최근접 이웃을 기준으로 치환하는 방식이다. 두 전략 모두 다양한 모델의 포인트 클라우드 분류 성능을 일관되게 및 의미 있게 향상시킨다. 또한, 치환 포인트 선택을 위해 선명도 맵(saliency maps)을 도입함으로써 성능이 더욱 향상된다. 더불어 PointCutMix이 포인트 공격에 대한 모델의 견고성을 강화함이 검증되었다. 특히 방어 기법으로 활용할 경우, 기존 최첨단 방어 알고리즘들을 초월하는 성능을 보였다. 코드는 다음과 같은 링크에서 공개되어 있다: https://github.com/cuge1995/PointCutMix