네트워크의 일반화 능력을 향상시키고 부품 분할의 정밀도를 높이기 위해, 본 논문에서는 최적 할당과 최적 마스크를 고려한 점군 부품 분할 방법을 제안한다. 먼저 불도저 거리 기반으로 두 점군 간 최적 할당을 정의하고, 먼 점 샘플링을 이용해 점군을 그룹화하며 각 그룹 내 점의 중요도를 계산한다. 이후 구체 쿼리를 활용해 점군의 최적 마스크를 결정하여 원본 점군의 의미 정보를 보존한다. 마지막으로 한 점군 내 중요도가 높은 점의 이웃 영역을 다른 점군 내 중요도가 낮은 점의 이웃 영역과 교체하여 점군 간 혼합 증강을 실현한다. 본 방법은 ShapeNet 데이터셋에서 검증되었으며, 이 방법으로 증강한 데이터를 PointNet, PointNet++, DGCNN 모델에 다시 투입할 때 mIoU가 각각 83.7%, 85.1%, 85.1%에서 85.1%, 86.3%, 86.0%로 향상되어 부품 분할 성능을 효과적으로 높였다.

데이터 증강;점군;부품 분할;중요도