Weighted Sparse Convolutional Networks for Semantic Segmentation of 3-Dimensional Data

최근 의료, 자율 주행, 영상 처리 분야에서 3차원 데이터를 활용하여 높은 정확도의 의미적 분할 및 분류를 위한 딥러닝 모델 개발이 활발하게 이루어지고 있다. 3차원 사물을 표현하기 위하여 포인트 클라우드 방식이 가장 널리 사용되는데, 연속적인 포인트 클라우드에 합성곱 적용을 위하여 복셀화를 통한 규칙성 부여가 요구된다. 본 연구에서는 원본 포인트 클라우드 데이터를 손상시키지 않으면서 복셀화를 수행하기 위한 복셀-그리드 층과 이를 포함한 WSCN(Weighted Sparse Convolutional Network) 모델을 제안한다. 이 모델은 가중치가 부여된 그리드의 합성곱을 통하여 지역적인 위치 정보 학습에 용이하다. 벤치마크 데이터를 이용하여 분할 정확도를 비교 평가하기 위한 실험을 진행하였고, 그 결과 WSCN 모델이 유사한 이전 모델보다 더 우수한 분할 성능을 보였다.