포인트 클라우드 데이터셋은 LIDAR와 같은 센서가 자율주행차와 드론을 포함한 여러 응용 분야에서 손쉽게 활용될 수 있기 때문에, 기계가 현실 세계를 인지하는 데 빈번히 사용된다. PointNet 및 PointNet++은 포인트 클라우드를 해석하기 위한 널리 사용되는 포인트 단위 임베딩 방법이다. 그러나 PointNet을 기반으로 한 최신 모델이라도 실시간 추론은 여전히 어려운 과제로 남아 있다. 더 빠른 추론을 위한 해결책으로는 샘플링이 있는데, 샘플링은 다음 모듈에서 계산할 포인트의 수를 줄이는 방법이다. Furthest Point Sampling(FPS)은 널리 사용되지만, 느리고 핵심 포인트를 선택하기 어렵다는 단점이 있다. 본 논문에서는 주의(attention) 기법을 적용한 새로운 샘플링 방법인 Feature-Based Sampling(FBS)을 제안한다. 그 결과, 정확도는 기존 방법들과 유사하면서도 학습 시간과 추론 시간이 유의미하게 단축됨을 확인하였다. 추가 실험을 통해, 제안된 방법이 핵심 포인트를 보존하거나 중요하지 않은 포인트를 폐기하는 데 더 적합함을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.