KPConvX: 커널 어텐션을 활용한 커널 포인트 합성의 현대화

깊은 포인트 클라우드 이해 분야에서 KPConv는 다층 퍼셉트론(MLP) 인코딩에 의존하지 않고 커널 포인트를 사용하여 공간 내에서 합성곱 가중치를 위치시키는 독특한 구조입니다. KPConv는 초기에 성공을 거두었지만, 최근에는 업데이트된 설계와 학습 전략을 사용하는 MLP 네트워크들에 의해 추월되었습니다. 커널 포인트 원칙을 기반으로 하여, 우리는 두 가지 새로운 설계를 제시합니다: KPConvD (깊이별 KPConv), 더 깊은 구조의 사용을 가능하게 하는 경량화된 설계와, KPConvX, 커널 주의 값(kernel attention values)으로 KPConvD의 깊이별 합성곱 가중치를 확장하는 혁신적인 설계입니다. 현대적인 구조와 학습 전략을 사용하여 KPConvX를 적용함으로써, 우리는 ScanObjectNN, Scannetv2, 그리고 S3DIS 데이터셋에서 현재 최고 수준의 접근 방식들을 능가할 수 있었습니다. 우리는 아블레이션 연구(ablation studies)를 통해 우리의 설계 선택을 검증하였으며, 코드와 모델을 공개하였습니다.