진보적인 시드 생성 오토인코더를 이용한 비지도 포인트 클라우드 학습

3D 스캔 기술의 발전에 따라 3D 비전 작업은 인기 있는 연구 영역이 되었습니다. 센서로 수집된 대량의 데이터 덕분에, 비지도 학습은 고비용의 주석 과정 없이 포인트 클라우드를 이해하고 활용하는 데 필수적입니다. 본 논문에서는 재구성 기반 포인트 클라우드 학습을 위한 새로운 프레임워크와 효과적인 오토인코더 구조인 "PSG-Net"을 제안합니다. 기존 연구들이 고정되거나 임의의 2D 점을 사용한 것과 달리, 우리의 프레임워크는 잠재적 점 집합에 대해 입력에 의존적인 점별 특징을 생성합니다. PSG-Net은 인코딩된 입력을 시드 생성 모듈을 통해 점별 특징을 생성하고, 시드 특징 전파 모듈을 단계적으로 적용하여 해상도가 점차 증가하는 여러 단계에서 더 풍부한 특징을 추출합니다. 우리는 실험적으로 PSG-Net의 효과성을 입증하였습니다; PSG-Net은 포인트 클라우드 재구성과 비지도 분류에서 최고 수준의 성능을 보여주며, 지도 완성 방법론과 비교해도 유사한 성능을 달성하였습니다.