SG-PGM: 의미 기하 융합을 활용한 부분 그래프 매칭 네트워크 및 3D 장면 그래프 정렬과 그 하위 작업에 대한 연구

최근 장면 그래프는 3D 공간 이해의 포괄적인 표현으로 소개되었습니다. 3D 장면 그래프 간의 정렬은 장면 그래프 보조 점군 등록, 모자이킹, 중복 확인 및 로봇 네비게이션과 같은 다운스트림 작업들의 첫 단계입니다. 본 연구에서는 3D 장면 그래프 정렬을 부분 그래프 매칭 문제로 다루고, 이를 그래프 신경망을 통해 해결하는 방법을 제안합니다. 우리는 점군 등록 방법에서 학습된 기하학적 특성을 재사용하여, 클러스터링된 점 수준의 기하학적 특성과 노드 수준의 의미론적 특성을 우리가 설계한 특성 융합 모듈을 통해 연관시킵니다. 부분 매칭은 유사한 노드 쌍 상위 k개를 선택하는 학습 가능한 방법을 사용하여 가능하게 됩니다. 매칭된 영역 내에서 사전 훈련된 등록 네트워크를 실행함으로써, 점군 등록과 같은 후속 다운스트림 작업들이 이루어집니다. 또한, 우리는 3D 장면 그래프의 노드별 정렬을 사용하여 사전 훈련된 점군 등록 방법에서 얻은 매칭 후보들의 가중치를 재조정하는 점 매칭 재점수화 방법을 제안합니다. 이 방법은 특히 낮은 중복도와 무작위 변환 시나리오에서 잘못 추정된 점 대응 관계를 줄이는 데 효과적입니다. 실험 결과, 우리의 방법은 낮은 중복도와 무작위 변환 시나리오에서 정렬 정확도를 10~20% 개선하였으며, 여러 다운스트림 작업에서 기존 연구보다 우수한 성능을 보였습니다.