PointMixer: MLP-Mixer를 이용한 포인트 클라우드 이해

MLP-Mixer는 최근 CNN과 트랜스포머의 영역에 새로운 도전자가 등장하였습니다. 트랜스포머와 비교하여 간단함에도 불구하고, 채널 믹싱 MLP와 토큰 믹싱 MLP의 개념은 시각 인식 작업에서 주목할 만한 성능을 달성합니다. 이미지와는 달리 포인트 클라우드는 본질적으로 희소하고, 순서가 없으며, 불규칙하여 MLP-Mixer를 포인트 클라우드 이해에 직접적으로 사용하는 것이 제한됩니다. 본 논문에서는 구조화되지 않은 3D 포인트 간 정보 공유를 용이하게 하는 보편적인 포인트 집합 연산자인 PointMixer를 제안합니다. 토큰 믹싱 MLP를 단순히 소프트맥스 함수로 대체함으로써, PointMixer는 포인트 집합 내부/간부에서 특징을 "믹싱"할 수 있습니다. 이를 통해 PointMixer는 세트 간 믹싱, 세트 내 믹싱 및 피라미드 믹싱으로 네트워크에서 광범위하게 사용될 수 있습니다. 광범위한 실험 결과, PointMixer는 의미 분할, 분류 및 포인트 재구성 작업에서 트랜스포머 기반 방법론에 비해 경쟁력 있는 혹은 우수한 성능을 보임을 확인할 수 있었습니다.