3D 포인트 클라우드 등록을 위한 딥 모델의 보편적 표현에 도전하기

다양한 응용 분야 간의 보편적 표현을 학습하는 것은 여전히 해결되지 않은 열린 연구 문제이다. 실제로 동일한 응용 분야 내에서 다양한 유형의 데이터셋 간에 보편적인 아키텍처를 찾는 것도 여전히 해결되지 않은 문제이며, 특히 3차원 점군(point cloud) 처리를 포함하는 응용 분야에서는 더욱 그렇다. 본 연구에서는 제안된 비학습 기반 기준 등록 방법(Non-learning baseline registration method)과 비교하여 최신의 학습 기반 3차원 점군 등록 기법들을 실험적으로 평가하였다. 그 결과, 제안된 방법은 대부분의 경우 기존의 학습 기반 방법을 능가하거나 유사한 성능을 달성함을 확인하였다. 또한, 학습 기반 방법이 일반화하기 어려운 데이터셋을 제안하였다. 본 연구에서 제안하는 방법과 데이터셋, 그리고 제공된 실험 결과는 보편적 표현에 대한 효과적인 해결책을 탐색하는 향후 연구에 활용될 수 있다. 소스 코드는 다음 링크에서 확인할 수 있다: github.com/DavidBoja/greedy-grid-search.