Point-GN: 가우시안 위치 인코딩을 사용한 비모수적 네트워크 포인트 클라우드 분류를 위한

본 논문에서는 Point-GN, 효율적이고 정확한 3차원 포인트 클라우드 분류를 위한 새로운 비모수 네트워크를 소개합니다. 기존의 많은 학습 가능한 매개변수에 의존하는 딥 러닝 모델과 달리, Point-GN은 가장 먼 점 샘플링(Farthest Point Sampling, FPS), k-최근접 이웃(k-Nearest Neighbors, k-NN), 그리고 가우시안 위치 인코딩(Gaussian Positional Encoding, GPE)과 같은 학습 불가능한 구성 요소를 활용하여 로컬 및 글로벌 기하학적 특징을 추출합니다. 이러한 설계는 추가적인 학습 없이도 높은 성능을 유지할 수 있게 하여, Point-GN은 실시간 및 리소스 제약 조건이 있는 응용 프로그램에 특히 적합합니다. 우리는 ModelNet40과 ScanObjectNN 두 벤치마크 데이터셋에서 Point-GN을 평가하였으며, 각각 85.29%와 85.89%의 분류 정확도를 달성하면서 계산 복잡도를大幅减少(대폭 감소)시켰습니다. Point-GN은 기존의 비모수 방법론을 능가하며 완전히 학습된 모델의 성능과 맞먹는 결과를 얻었음에도 불구하고 학습 가능한 매개변수가 전혀 없습니다. 우리의 결과는 Point-GN이 실제 실시간 환경에서 3차원 포인트 클라우드 분류에 대한 유망한 해결책임을 입증하고 있습니다.注：在“大幅减少”这部分，我使用了“대폭 감소”来表示显著减少的意思，以符合韩语的表达习惯。