초록
이전의 포인트 클라우드 세분화 네트워크는 동일한 카테고리와 다른 카테고리의 이웃에서 특징을 집계하는 데 동일한 과정을 사용해왔다. 그러나 두 객체 간의 겹치는 영역은 일반적으로 전체 장면에서 매우 작은 비중을 차지한다. 따라서 이러한 네트워크는 동일 카테고리 포인트로부터의 특징 집계에는 잘 학습되지만, 다른 카테고리 포인트의 집계에는 충분히 학습되지 못하는 문제가 존재한다. 이 문제를 해결하기 위해 본 논문은 동일 카테고리와 다른 카테고리 간에 서로 다른 집계 전략을 활용하는 방안을 제안한다. 구체적으로, 중심 포인트와 이웃 포인트가 동일한 카테고리에 속하는지 여부를 먼저 판단한 후, 두 가지 유형의 이웃에 대해 각각 신중하게 설계된 모듈을 적용하는 사용자 정의 모듈인 카테고리 가이드드 아그리게이션(Category Guided Aggregation, CGA)을 제안한다. 본 CGA는 일반적인 네트워크 모듈로서 기존의 어떤 세분화 네트워크에도 쉽게 통합될 수 있다. 다양한 백본 아키텍처 세 가지에서 수행한 실험을 통해 제안한 방법의 효과성을 입증하였다.