초록
포인트 클라우드 슈퍼리졸루션은 3차원 재구성 및 3차원 데이터 이해의 핵심 문제로, 저해상도(LR) 포인트 클라우드를 입력으로 받아 풍부한 세부 정보를 갖춘 고해상도(HR) 포인트 클라우드를 생성한다. 본 논문에서는 그래프 네트워크와 적대적 손실을 기반으로 한 데이터 기반의 포인트 클라우드 슈퍼리졸루션 방법을 제안한다. 제안된 네트워크의 핵심 아이디어는 포인트 클라우드의 국소적 유사성과 저해상도 입력과 고해상도 출력 간의 유사성에 주목하는 것이다. 첫 번째 측면에 대해, 그래프 컨볼루션을 활용한 깊은 네트워크를 설계하였으며, 두 번째 측면에 대해 그래프 컨볼루션에 잔차 연결을 도입하고, 입력과 출력 사이에 스킵 연결을 추가하였다. 제안된 네트워크는 차메르 거리(CD)와 그래프 적대적 손실을 결합한 새로운 손실 함수를 사용하여 학습된다. 이 손실 함수는 수동적인 설계 없이도 고해상도 포인트 클라우드의 특성을 자동으로 포착할 수 있다. 제안된 방법의 성능을 평가하기 위해 일련의 실험을 수행하였으며, 기존 방법들과의 비교를 통해 제안 방법의 우수성을 검증하였다. 실험 결과, 제안된 방법은 기존 최고 성능을 기록하며, 미관측 데이터에 대해서도 뛰어난 일반화 능력을 보였다.