주목기반 포인트 클라우드 엣지 샘플링

포인트 클라우드 샘플링은 이 데이터 표현에 대해 아직 많이 연구되지 않은 주제입니다. 가장 일반적으로 사용되는 샘플링 방법은 여전히 고전적인 랜덤 샘플링과 가장 먼 점 샘플링(farthest point sampling)입니다. 신경망의 발전에 따라, 다양한 방법들이 작업 기반 학습 방식으로 포인트 클라우드를 샘플링하기 위해 제안되었습니다. 그러나 이러한 방법들은 대부분 생성기 기반(generative-based)이며, 수학적 통계를 직접 사용하여 점을 선택하는 것이 아닙니다. 이미지의 캐니 에지 검출 알고리즘(Canny edge detection algorithm)에서 영감을 받고 어텐션 메커니즘의 도움으로, 본 논문에서는 포인트 클라우드 윤곽선에서 중요한 점들을 포착하는 비생성(non-generative) 어텐션 기반 포인트 클라우드 에지 샘플링 방법(APES)을 제안합니다. 정성적 및 정량적 실험 결과는 우리의 샘플링 방법이 일반 벤치마크 작업에서 우수한 성능을 보임을 입증합니다.