3D 포인트 클라우드 모델의 컨텍스트 정보를 정확하게 포착하고 분할 정확도를 향상시키기 위해 모델 유사성을 활용한 3D 모델 클러스터 협업 분할 방법을 제안한다. 먼저, 포인트 클라우드 모델에 대해 최장점 샘플링을 수행하여 중심점을 얻고, 구 내에서 무작위로 이웃점을 선택하여 구형 이웃을 구성한다. 그리고 특성 집계 연산자를 사용하여 3D 포인트 간의 기하학적 위상 관계를 인코딩하고, 각 이웃 간의 관련 특성을 추출하며, 각 구형 이웃의 중심 좌표를 이용해 공간 유사성 행렬을 구성한다. 공간 유사성 행렬은 인코더 네트워크가 추출한 모델 국부 특성에 가중 합산을 수행하여 3D 모델의 협업 분석을 완성한다. 마지막으로, 계층적 특성 추출 네트워크를 구축하여 가중 처리된 연관 특성을 디코딩하여 모델 클러스터 협업 분할 작업을 완료한다. 실험 결과, 본 알고리즘은 ShapeNet Part 데이터셋에서 협업 분할 정확도가 86.0%에 도달함을 보여준다. kNN 알고리즘과 비교했을 때, 구 내 무작위 선택법을 이웃점 샘플링 전략으로 사용하면 네트워크의 분할 정확도가 0.8% 향상된다. 공유 다층 퍼셉트론을 이용해 특성을 추출하는 방법과 비교하여, 특성 집계 연산자를 사용한 컨볼루션 연산은 네트워크의 분할 정확도를 12.9% 향상시킨다. 현재 주류 모델 분할 알고리즘과 비교하여 본 알고리즘은 분할 정확도가 더욱 향상되었다.

협업 분할;특성 집계 연산자;공간 유사성 행렬;모델 클러스터;계층적 인코더-디코더