클라우드 속을 걷다: 포인트 클라우드 형태 분석을 위한 학습 곡선

이산적인 포인트 클라우드 객체는 3차원 기하 형상에 대한 충분한 형태 기술자(Shape Descriptor)를 갖추고 있지 않습니다. 본 논문에서는 포인트 클라우드 내 가상 곡선을 집계하는 새로운 방법을 제안합니다. 연결된 점들의 시퀀스(곡선)는 먼저 포인트 클라우드 내에서 안내된 보행(Guided Walk)을 통해 그룹화되며, 이후 다시 집계되어 점별 특징을 강화합니다. 제안된 집계 전략에 대한 효과적인 구현으로서, 새로운 곡선 그룹화 연산자와 곡선 집계 연산자가 제시됩니다. 제안한 방법은 여러 포인트 클라우드 분석 작업에서 평가되었으며, ModelNet40 분류 작업에서 최신 기준(SOTA)의 분류 정확도 94.2%를 달성했고, ShapeNetPart 분할 작업에서 인스턴스 IoU는 86.8, ModelNet40 법선 추정 작업에서 코사인 오차(Cosine Error)는 0.11을 기록하였습니다.