점군을 위한 직교 사전 지도형 형태 보완 네트워크

포인트 클라우드 형태 보완(Point cloud shape completion)은 불완전한 포인트 클라우드의 누락된 영역을 합리적인 형태로 재구성하는 것을 목표로 하는, 많은 후속 3차원 응용 분야에 유익한 역할을 하는 불량 설정(ill-posed)且 도전적인 과제이다. 기존의 접근 방식은 인코더-디코더 네트워크를 활용한 두 단계 보완 프레임워크를 사용하여, 먼저 거친 형태이지만 완전한 시드 포인트 클라우드를 생성한 후, 이를 정제하고 확대하는 방식으로 작업을 수행한다. 그러나 인코딩 과정에서 누락된 영역의 정보가 손실되면서 디코더가 세부 기하학적 특징을 반영한 시드 포인트를 재구성하는 데 어려움을 겪는다. 이 문제를 해결하기 위해 우리는 새로운 ‘직교 사전 지도형 형태 보완 네트워크(Orthogonal Dictionary Guided Shape Completion Network, ODGNet)’를 제안한다. 제안하는 ODGNet은 다수준 특징 추출과 연결을 활용하여 시드 포인트의 표현 능력을 크게 향상시키는 시드 생성 U-Net과, 학습 샘플로부터 형태 사전 지식(shape priors)을 학습함으로써 추론 과정에서 누락된 영역의 정보 손실을 보완할 수 있는 직교 사전(Orthogonal Dictionaries)으로 구성되어 있다. 본 연구의 설계는 간단하면서도 핵심에 초점을 맞추고 있으며, 광범위한 실험 결과를 통해 제안된 방법이 보다 세밀한 구조를 가진 포인트 클라우드를 재구성할 수 있으며, 기존 최고 수준의 기법들을 능가함을 입증하였다. 구현 코드는 https://github.com/corecai163/ODGNet 에서 공개되어 있다.