포인트 클라우드 세분화를 위한 대규모 네트워크 구축 및 경량화 방법

포인트 클라우드의 의미 분할 성능을 크게 향상시키기 위해, 본 논문은 대규모 네트워크 구축을 위한 새로운 방법과 효과적인 경량화 기술을 제안한다. 먼저, PointNet++ 및 Point Transformer와 같은 기반 네트워크를 연결하는 데 사용되는 잠재적 포인트 특징 처리(Latent Point Feature Processing, LPFP) 모듈이 도입된다. 이 중간 모듈은 특징 정보 전달뿐만 아니라 정답 레이블(ground truth)에 대한 감독 기능도 수행한다. 또한, 대규모 네트워크 구축으로 인한 계산 비용 증가 문제를 완화하고 단말기 배포에 더 잘 적응하기 위해, 대규모 네트워크의 다차원 특징 정보를 전이함으로써 네트워크를 압축하는 새로운 포인트 클라우드 경량화 기법(PCLN: Point Cloud Lightweighting Network)이 제안된다. 구체적으로, 대규모 네트워크의 다양한 단계에서 포인트 특징의 구조적 정보와 어텐션 정보를 선택적으로 전이하여, 압축된 네트워크가 대규모 네트워크의 방향으로 학습하도록 유도한다. 본 논문은 또한 대규모 포인트 클라우드의 전역 구조 정보를 효과적으로 표현하기 위해 특징 샘플링 및 집계 기법을 활용하여 문제를 해결한다. 공개 데이터셋과 실제 데이터에 대한 광범위한 실험을 통해 제안된 방법이 다양한 기반 네트워크의 성능을 크게 향상시키며, 기존 최고 수준의 기법들을 초월함을 입증하였다.