Real-world point clouds often suffer from incompleteness caused by self-occlusion, occlusion by other objects, sensor noise, and errors in the acquisition process. Precise three-dimensional object recognition requires the reconstruction of these incomplete point clouds to their original shapes. However, applying models trained on synthetic data directly to real point clouds leads to suboptimal performance due to inherent differences between the domains. This study addresses this challenge by aiming to reduce domain gaps through the utilization of part attributes shared by objects within the same category. The part-based approach proposed here simplifies the complexity of reconstruction, as parts typically exhibit simpler topologies compared to the overall shape. Furthermore, by learning relationships between parts, the method predicts missing parts based on the existing ones. The advantage of this approach lies in the fact that objects within the same category share attributes of the same parts, regardless of the domain, contributing to the reduction of domain gaps. To effectively leverage the features of parts, this study introduces a part-based framework and a part discriminator. The part-based framework is employed to reconstruct each part individually, which is then assembled to form the complete point cloud. The part discriminator aligns the part features between synthetic and real-world point clouds, effectively mitigating domain gaps. Extensive experiments demonstrate that the proposed method surpasses state-of-the-art approaches in handling real-world point clouds.
실제 점구름은 자기 자신이나 다른 물체에 의한 가려짐, 센서 노이즈, 취득 과정에서의 오차 등으로 인해 불완전하다. 삼차원 물체를 정확히 인식하기 위해서는 이러한 불완전 점구름을 원래의 형상으로 복원하는 것이 필수적이다. 그러나 가상 데이터만으로 훈련한 모델을 실제 점구름에 직접 적용하면 도메인 간 내재한 차이로 인해 복원 성능이 감소한다. 이를 극복하기 위해 폭넓은 연구가 이뤄졌지만, 여전히 도메인 격차로 인해 세부적인 형상을 복원하는 데에 한계가 있다. 본 논문은 같은 범주 내의 물체가 공유하고 있는 속성인 부분을 활용해 실제 점구름 완성에서의 도메인 격차를 해소하고자 한다. 부분은 전체 형상보다 간단한 토폴로지를 가지기 때문에 복원의 복잡성이 감소하며 존재하는 부분을 통해 누락된 부분을 예측할 수 있다. 또한 도메인과 관계없이 같은 범주 내의 물체는 같은 부분의 속성을 공유하기 때문에 도메인 격차를 줄이는 데 유리하다. 이러한 특징을 지닌 부분의 효과적인 사용을 위해 부분 단위 구조와 부분 판별기를 제안한다. 부분 분할된 점구름은 제안한 부분 단위 구조를 통해 부분별 복원 후 조합되어 완성된다. 부분 판별기는 가상 데이터와 실제 점구름의 부분 특징을 정렬하여 도메인 격차를 줄인다. 광범위한 실험을 통해 제안한 방법이 실제 포인트 클라우드를 처리하는 데 있어 최첨단 접근 방식보다 성능이 우수하다는 것을 보였다.
