단순한 구성의 비교
점군 분석에는 합성곱과 그래프 및 주의 등 여러 연산이 사용된다. PointMLP는 복잡한 국소 연산을 추가하는 대신 잔차 MLP 중심의 구조를 검토한다. 어떤 기하 정보도 쓰지 않거나 점 사이 관계가 전혀 중요하지 않다는 주장과는 다르다.
잔차 연결의 예
입력 특징 x=3이고 잔차 경로 F(x)=−0.5라면 x+F(x)는 2.5다. 전체 표현을 새로 만드는 대신 입력에 수정값을 더하는 구조의 예다. 실제 모델은 벡터 특징과 여러 계층을 사용하며 잔차 연결만으로 높은 정확도가 보장되지는 않는다.
기하와 특징의 역할
가벼운 기하 아핀 모듈을 결합해 불규칙한 점군의 특징 처리를 돕는다. 원래 좌표의 배치와 학습된 특징 공간은 구분해야 한다. MLP 기반이라는 이름만으로 점 순서와 회전에 대한 모든 불변성이 자동으로 성립하는 것은 아니다.
구조 외의 비교 조건
학습 자료와 증강, 최적화 및 입력 점 수가 성능에 영향을 준다. 더 복잡한 모델과 비교할 때 이런 조건을 맞춰 구조의 효과를 판단한다. 추론 속도와 매개변수 수, 분류 및 점별 분할의 정확도를 구분하고 실제 센서의 잡음과 누락에서도 확인한다.
관련 문서
PointNeXt / PointNet / DGCNN / KPConv / Point Transformer / 잔차 신경망