TopNet: 구조적 포인트 클라우드 디코더

3D 포인트 클라우드 생성은 3D 장면 모델링 및 이해에 매우 유용하다. 실제 세계의 3D 객체 포인트 클라우드는 표면, 기하학적 원소, 의미적 부위 등의 저수준 및 고수준 구조들의 집합으로 적절히 설명될 수 있다. 실제로 3D 객체 포인트 클라우드는 여러 가지 다른 방식으로 포인트 그룹의 집합으로 표현될 수 있다. 기존의 포인트 클라우드 생성 프레임워크들은 대부분 제안하는 해결책에서 구조를 고려하지 않거나, 생성된 3D 객체의 포인트 클라우드에 특정한 구조 또는 위상 구조(예: 다양체 또는 표면의 집합)를 가정하고 강제하는 경우가 많다. 본 연구에서는 기반 포인트 집합에 특정한 구조나 위상을 사전에 가정하지 않고, 구조화된 포인트 클라우드를 생성할 수 있는 새로운 디코더를 제안한다. 제안하는 디코더는 계층적 루트 트리 구조를 따르는 포인트 클라우드를 생성하도록 부드럽게 제약한다. 본 연구에서는 충분한 표현 능력과 중복을 허용할 경우, 제안된 디코더가 포인트의 임의의 그룹화, 즉 포인트 집합 위의 임의의 위상 구조를 학습할 수 있음을 보여준다. 또한, 3D 포인트 클라우드 형태 보완(shape completion) 작업을 대상으로 제안한 디코더를 평가하였다. 기존 프레임워크의 인코더와 결합하여 사용한 결과, ShapeNet 데이터셋에서 기존 최고 성능의 3D 포인트 클라우드 보완 방법들을 상회하는 성능을 달성함을 확인하였다.