초록
3차원 객체의 포인트 클라우드는 간단한 부품들이 점차 더 복잡한 형태로 조합되어 전체 객체를 형성하는 본질적인 구성적 특성을 지닌다. 이러한 부품-전체 계층 구조를 명시적으로 포착하는 것은 효과적인 모델을 구축하기 위한 오랜 목표였으나, 이 계층의 트리 구조적 특성으로 인해 도전 과제로 남아 있었다. 본 논문에서는 포인트 클라우드 분류기의 특징을 쌍곡 공간(Hyperbolic space)에 매핑하고, 부품-전체 계층 구조를 명시적으로 고려하도록 공간을 정규화하는 방법을 제안한다. 쌍곡 공간은 계층의 트리 구조적 성질을 성공적으로 임베딩할 수 있는 유일한 공간이다. 이 접근은 최신의 지도 학습 기반 포인트 클라우드 분류 모델의 성능을 상당히 향상시킨다.