Set abstraction
•
Sampling layer: 중심점 선택
◦
Farthest point sampling (FPS): 서로 가장 멀리 떨어져 있는 점들을 선택
•
Grouping layer: 중심점에 점들을 할당
◦
ball query ← PointNet++ 에서는 이걸 사용
◦
KNN
•
Pointnet layer: Grouping 된 point들의 feature를 MLP 통과 후 maxpool.
◦
절대 좌표값이 아니라, 중심점으로부터의 상대적인 좌표를 input feature로 사용함.
Feature propagation
•
Sampling된 point set을 다시 원래 point set scale로 맞춰주기 위함.
•
원래의 point 각각의 feature를 얻어 내는 방법은 아래와 같음.
1.
각 point에 대해서, 가장 가까운 K 개의 sampling된 point를 생각하자.
2.
Sampled point 들의 feature의 선형 결합으로 point의 feature를 만들되, weight는 거리에 반비례하도록.