DeltaConv: 점 구름에서 기하학적 딥 러닝을 위한 이방성 연산자

3D 포인트 클라우드 데이터에서 학습하는 것이 이미지에 대한 딥 러닝의 성공과 3D 데이터의 증가된 접근성에 의해 급속히 주목을 받고 있습니다. 본 논문에서는 포인트 클라우드에서 유도된 표면에서 직접 작동하는 이방성 컨볼루션 계층을 구축하는 것을 목표로 합니다. 이는 표면 상의 접선 방향에 대한 전역 좌표계가 부족하기 때문에 도전적입니다. 우리는 벡터 미적분학에서 기하학적 연산자를 결합하여 포인트 클라우드에서 이방성 필터를 구축할 수 있는 DeltaConv(델타컨벌루션) 컨볼루션 계층을 소개합니다. 이러한 연산자가 스칼라 필드와 벡터 필드에서 정의되기 때문에, 네트워크를 스칼라 스트림과 벡터 스트림으로 분리하고, 연산자들을 통해 연결시킵니다. 벡터 스트림은 네트워크가 방향 정보를 명시적으로 표현, 평가, 처리할 수 있게 합니다. 우리의 컨벌루션은 강인하며 구현이 간단하며 여러 벤치마크에서 최신 접근법과 일치하거나 개선되며, 훈련과 추론 속도도 빠릅니다.