스타일 기반 포인트 생성기와 적대적 렌더링을 이용한 포인트 클라우드 보완

본 논문에서는 포인트 클라우드 복원을 위한 새로운 스타일 기반 포인트 생성기인 적대적 렌더링을 갖춘 SpareNet(SpareNet: Style-based Point Generator with Adversarial Rendering)을 제안한다. 먼저, 포인트 특징 내에서 국소 구조와 전반적인 형태를 효과적으로 활용하기 위해 채널 주의 기반 EdgeConv을 제안한다. 둘째, 기존의 단순한 연결 방식(folding)이 복잡하고 정확한 형태를 생성하는 데 한계가 있음을 관찰하였다. 이에 따라 StyleGAN의 성공 사례를 참고하여, 형태 특징을 스타일 코드로 간주하고, 폴딩 과정 중 정규화 계층을 조절하는 방식을 도입함으로써 생성 능력을 크게 향상시켰다. 셋째, 기존의 포인트 지도 방식인 Chamfer 거리 또는 지구 이동 거리(EMD)가 재구성된 포인트의 지각적 품질을 충분히 반영하지 못함을 인지하고, 이를 해결하기 위해 완성된 포인트를 미분 가능한 렌더러를 통해 깊이 맵으로 변환하고, 다양한 시점에서의 지각적 현실감을 유도하기 위해 적대적 학습을 도입하였다. ShapeNet 및 KITTI 데이터셋에서 실시한 종합적인 실험을 통해 제안한 방법이 기존 최고 수준의 정량적 성능을 달성하면서도 우수한 시각적 품질을 제공함을 입증하였다.