장소를 나타내는 기술자
장소 인식에서는 점군 전체를 비교할 수 있는 구별력 있는 기술자가 필요하다. MinkLoc3D는 점군의 국소 구조를 반영하면서 이러한 표현을 만드는 학습 방법이다.
점 기반 표현의 대안
PointNetVLAD처럼 점 집합에서 국소 특징을 뽑아 모으는 방식의 대안으로 제안됐다. 논문은 공간의 국소 기하를 포착하는 표현 방식에 초점을 맞춘다.
희소 복셀과 합성곱
점군을 희소하게 복셀화하고 희소 삼차원 합성곱으로 처리한다. 비어 있는 공간까지 조밀하게 계산하는 표현 대신 관측이 있는 공간 구조를 사용하는 구성이다.
장소 검색의 평가
연구는 표준 장소 인식 벤치마크에서 기술자의 성능을 비교했다. 출력은 점 쌍의 정밀 대응보다 전체 관측 사이의 장소 유사성을 판단하는 데 쓰인다.
관련 문서
PointNetVLAD / NetVLAD / HeLiPR / 점군 / 합성곱 신경망 / 기하 정합