초록
최근 몇 년간 포인트 클라우드 분석은 연구자들의 주목을 받고 있으며, 3차원 세분화(3D semantic segmentation)는 여전히 해결해야 할 과제로 남아 있다. 대부분의 딥러닝 기반 포인트 클라우드 모델은 3차원 포인트 클라우드에 직접 학습을 수행하지만, 이는 도시 규모의 데이터에서 심각한 희소성과 극심한 데이터 처리 부담을 초래한다. 이러한 문제를 해결하기 위해, 본 연구에서는 3차원 포인트 클라우드를 밀도 높은 새의 눈 perspective(鳥瞰도) 투영으로 변환하는 방법을 제안한다. 이 방식을 통해 클래스 불균형이 감소하고 다양한 2차원 세분화 기법을 활용할 수 있게 되어 세분화 작업이 간소화된다. 또한, 투영된 이미지에서 다중 모달 학습이 가능하도록 주의 기반 융합 네트워크를 설계하였다. 마지막으로, 2차원 출력 결과를 다시 3차원 공간으로 매핑하여 3차원 세분화 결과를 생성한다. 제안한 방법의 효과를 입증하기 위해 SensatUrban 데이터셋에서 다양한 실험을 수행하였으며, 제안 모델은 경쟁력 있는 평가 성능을 보였다(61.17% mIoU, 91.37% 전체 정확도). 본 연구가 포인트 클라우드 분석 분야의 추가적인 탐구에 기여하기를 기대한다.