기존 알고리즘이 점 구름 데이터의 전역 단일 점 특징과 국부 기하학적 특징 간의 깊은 관계를 무시하여 캡처된 국부 기하학 정보의 구별력이 부족하고 복잡한 형태를 효과적으로 인식하기 어려운 문제에 대해, 자가 주의 특성 융합 그룹 합성곱 신경망 기반 3차원 점 구름 의미 분할 알고리즘을 제안한다. 먼저, 경량화된 네트워크 프레임워크의 대리점 그래프 합성곱을 통해 점 구름의 국부 기하학 특징을 추출하고, 계산량과 복잡도를 줄이기 위해 그룹 합성곱 연산을 추가하여 적은 중복 정보로 특징의 풍부함을 강화한다. 둘째, Transformer 모듈을 통해 서로 다른 분기 간 특성 정보 교환을 수행하여 전역 특징과 국부 기하학 특징이 상호 보완되어 특징의 완전성을 강화한다. 이어서, 점 구름의 저수준 의미 특징과 원본 점 구름을 융합하여 국부 이웃 수용 영역을 확장하고 고급 문맥 의미 정보를 획득한다. 마지막으로, 특성을 분할 모듈에 입력하여 정밀한 의미 분할을 완료한다. 실험 결과, 제안 알고리즘은 S3DIS 및 SemanticKITTI 데이터셋에서 각각 79.3% 및 56.6%의 분할 정확도를 달성했으며, 3D 점 구름의 핵심 특징 정보를 추출할 수 있고, 네트워크 파라미터 수가 적으며 의미 분할의 견고성이 높음을 보인다.

3차원 점 구름;의미 분할;그래프 합성곱;그룹 합성곱