RPVNet: LiDAR 포인트 클라우드 분할을 위한 깊고 효율적인 범위-포인트-볼록 융합 네트워크

포인트 클라우드는 여러 형태(뷰)로 표현될 수 있으며, 일반적으로 포인트 기반 집합, 복셀 기반 셀 또는 레인지 기반 이미지(예: 파노라마 뷰)로 나타낼 수 있습니다. 포인트 기반 뷰는 기하학적으로 정확하지만, 무질서하여 로컬 이웃을 효율적으로 찾기 어렵습니다. 복셀 기반 뷰는 규칙적이지만 희소하며, 복셀 해상도가 증가할 때 계산량이 세제곱으로 증가합니다. 레인지 기반 뷰는 규칙적이고 일반적으로 밀집되어 있지만, 구면 투영으로 인해 물리적인 차원이 왜곡됩니다. 복셀 및 레인지 기반 뷰는 양자화 손실에 시달리며, 특히 대규모 장면에서 복셀은 이러한 문제를 더욱 겪습니다. 미세 분할 작업에서 각각의 뷰의 장점을 활용하고 단점을 완화하기 위해 우리는 새로운 범위-포인트-복셀 융합 네트워크, 즉 RPVNet을 제안합니다. 이 네트워크에서는 이 세 가지 뷰 간의 다중 및 상호 정보 교환을 위한 깊은 융합 프레임워크를 설계하고, 게이티드 융합 모듈(GFM)을 제안하여 동시 입력에 따라 세 가지 특성을 적응적으로 결합할 수 있도록 합니다. 또한 제안된 RPV 상호 작용 메커니즘은 매우 효율적이며, 이를 보다 일반적인 공식으로 요약하였습니다. 이 효율적인 상호 작용과 비교적 낮은 복셀 해상도를 활용함으로써 우리의 방법론도 더 효율적임이 입증되었습니다. 마지막으로,SemanticKITTI와 nuScenes라는 두 개의 대규모 데이터셋에서 제안된 모델을 평가하였으며, 두 데이터셋 모두 최고 성능을 보였습니다. 참고로, 우리 방법론은 어떠한 추가적인 트릭 없이 SemanticKITTI 리더보드에서 현재 1위를 차지하고 있습니다.