점 군의 비지도 표현 학습은 점 군을 이해하고 분석하는 데 매우 중요하며, 3D 복원을 기반으로 한 자동 인코더는 비지도 학습에서 중요한 구조입니다. 기존 자동 인코더가 회전 방해 및 특징 학습 능력 부족 문제를 가지고 있는 점을 해결하기 위해, 본 논문에서는 회전에 불변인 2D 뷰-3D 점 군 자동 인코더를 제안합니다. 먼저, 국소와 전역을 융합한 회전 불변 특징 변환 전략을 설계하였습니다. 국소 표현의 경우, 수작업으로 설계된 특징을 사용하여 입력 점 군을 변환하여 회전에 불변인 점 군 표현을 생성합니다; 전역 표현의 경우, 주성분 분석(PCA)을 기반으로 한 정렬 모듈을 제안하여 회전된 점 군을 동일한 자세로 정렬하고 전역 정보를 보완하며 회전 방해를 제거합니다. 그 다음, 인코더에서 국소 및 비국소 특징 추출 모듈을 설계하여 점 군의 국소 공간 특징과 비국소 문맥 상관성을 충분히 추출하고 서로 다른 계층 특징 간 의미 일관성을 모델링합니다. 마지막으로, PCA 정렬 기반 2D-3D 재구성 디코딩 방법을 제안하여 정렬된 3D 점 군과 2D 뷰를 재구성하며, 인코더 출력 점 군 표현에 3D 점 군과 2D 뷰로부터 풍부한 학습 신호를 통합합니다. 실험 결과는 본 알고리즘이 무작위 회전이 적용된 합성 데이터셋 ModelNet40과 실제 데이터셋 ScanObjectNN에서 각각 90.84%와 89.02%의 인식 정확도를 달성하였으며, 학습된 점 군 표현이 어떠한 라벨 감독 없이도 우수한 판별력을 보이고 회전 강인성을 갖고 있음을 보여줍니다.

3D 점 군;자동 인코더;표현 학습;회전 불변성