PointHR: 3D 포인트 클라우드 분할을 위한 고해상도 아키텍처 탐색

최근 점군 분할(point cloud segmentation) 분야에서 인코더-디코더 구조를 활용한 연구에서 큰 진전이 이루어졌다. 이 구조는 초기에 점군을 저해상도 표현으로 인코딩한 후, 고해상도 예측을 디코딩하는 방식을 취한다. 이미지의 밀도 높은 예측 작업에서 고해상도 아키텍처가 성공을 거두었듯이, 이러한 아키텍처는 학습 전 과정에 걸쳐 고해상도 표현을 유지하는 특징을 지닌다. 이와 유사하게, 3D 밀도 높은 점군 분석에서도 고해상도 아키텍처의 중요성을 인식하게 되었다. 따라서 본 논문에서는 3D 점군 분할을 위한 고해상도 아키텍처를 탐구한다. 구체적으로, 특징 추출을 위한 knn 기반 시퀀스 연산자와 다양한 해상도 간 효율적인 정보 전달을 위한 미분 가능 리샘플링 연산자를 포함하는 통합 파이프라인인 PointHR을 제안한다. 또한, 고해상도 아키텍처에서 발생하는 수많은 실시간 계산을 피하기 위해 시퀀스 및 리샘플링 연산자에 대한 인덱스를 미리 계산하는 방법을 제안한다. 이를 통해 추가적인 노력 없이도 잘 설계된 점군 블록의 장점을 극대화하면서도 경쟁력 있는 고해상도 아키텍처를 제공할 수 있다. 이러한 아키텍처의 성능을 평가하기 위해 S3DIS 및 ScanNetV2 데이터셋을 활용하여 철저한 실험을 수행하였으며, 별도의 추가 기능 없이도 최신의 최고 성능 기법들을 초월하는 성능을 보였다. 관련 소스 코드는 \url{https://github.com/haibo-qiu/PointHR}에서 공개되어 있다.