초록
이 논문은 비정렬(point cloud) 데이터로부터 3D 모델 인식을 위한 새로운 딥러닝 아키텍처인 PointGrid를 제안한다. 새로운 아키텍처는 간단하면서도 효과적인 샘플링 전략을 통해 입력 포인트 클라우드를 3D 격자로 매핑하고, 원시 좌표에서 직접 변환과 특징을 학습한다. 제안된 방법은 포인트와 격자 기반 접근법을 융합한 하이브리드 모델로서, VoxelNet과 같은 격자 기반 기법의 단순성은 유지하면서도 그로 인한 정보 손실을 피한다. PointGrid는 PointNet보다 더 우수한 전역 정보 학습 능력을 보이며, PointNet++, Kd-Net, Oct-Net, O-CNN보다 훨씬 간단한 구조를 갖추고 있음에도 불구하고, 유사한 인식 정확도를 제공한다. 주요 형태 인식 벤치마크에서 수행된 실험을 통해 PointGrid는 분류 및 세그멘테이션 작업 모두에서 기존 딥러닝 방법들과 경쟁 가능한 성능을 입증하였다.