AdaFit: 점 구름에서 학습 기반 법선 추정 재고찰

본 논문은 노이즈와 밀도 변동이 있는 포인트 클라우드에서 견고한 법선 추정을 수행할 수 있는 신경망 모델인 AdaFit을 제시합니다. 기존 연구들은 가중 최소 제곱법 표면 피팅(weighted least squares surface fitting)을 통해 각 포인트별 가중치를 학습하여 법선을 추정하는 방법을 사용하였으나, 복잡한 영역이나 노이즈가 포함된 포인트에서 정확한 법선을 찾는 데 어려움이 있었습니다. 가중 최소 제곱법 표면 피팅 과정을 분석한 결과, 피팅 표면의 다항식 차수를 결정하기 어렵고, 피팅 표면이 이상치에 매우 민감하다는 것을 발견하였습니다. 이러한 문제들을 해결하기 위해, 우리는 단순하면서도 효과적인 해결책으로 추가 오프셋 예측(offset prediction)을 도입하여 법선 추정의 품질을 개선하였습니다. 또한, 다양한 이웃 크기의 포인트들을 활용하기 위해 새로운 캐스케이드 스케일 집계(Cascaded Scale Aggregation) 계층을 제안하여 네트워크가 더 정확한 포인트별 오프셋과 가중치를 예측하도록 도와줍니다. 광범위한 실험 결과를 통해 AdaFit이 합성 PCPNet 데이터셋과 실제 SceneNN 데이터셋 모두에서 최상의 성능을 달성함을 입증하였습니다.