멀티 스케일 포인트 특징을 활용한 대형 언어 모델 기반의 효율적인 3차원 포인트 클라우드 이해

Q: 이 논문에서 정의한 멀티 스케일 포인트 특징이란 무엇인가?

멀티 스케일 포인트 특징은 포인트 클라우드 인코더에서 추출되는 지역 및 전역 정보를 모두 포함하는 특징이다. 이는 특정 중간 레이어에서 포인트 토큰들을 추출한 뒤, FPS와 KNN을 통해 토큰들을 그룹화하고 Max Pooling을 적용하여 정보를 압축함으로써 효과적으로 구축된다. 이를 통해 LLM이 포인트 클라우드를 더 잘 이해할 수 있도록 한다.

Q: 멀티 스케일 포인트 특징을 활용한 LLM 결합 방식은 기존 연구 대비 어떤 이점을 가지는가?

연구 결과, 멀티 스케일 포인트 특징을 활용한 LLM 결합 방식은 포인트 클라우드 인코더로부터 지역적 및 전역적 정보를 효과적으로 결합하여 압축된 특징을 생성한다. 이는 기존 연구 대비 3차원 객체 분류 및 캡셔닝에서 우수한 성능 향상을 달성하며, 제한된 컴퓨팅 환경에서도 효율적으로 동작하는 이점을 가진다.

서정현; 윤의현; 송승헌; 이재구

추천

검색

질문

자료유형: 학술대회자료

저자정보: 서정현 (국민대학교) 윤의현 (국민대학교) 송승헌 (국민대학교) 이재구 (국민대학교)

저널정보: 대한전자공학회 대한전자공학회 학술대회 2025년도 대한전자공학회 하계학술대회 논문집

발행연도: 2025.6

수록면: 2,768 - 2,772 (5page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

3D point cloud understanding has emerged as a pivotal challenge in fields such as autonomous driving and robotics. While previous studies have attempted to integrate point cloud encoders with large language models to enhance recognition capabilities, they still suffer from information loss and high computational cost, mainly arising during the process of extracting representative point tokens from the raw point cloud. In this paper, we propose a method that extracts multi scale feature extraction within the point cloud encoder, effectively capturing both local and global contextual information. Experiments demonstrate that our approach outperforms existing methods on 3D object classification and captioning tasks, while remaining resource efficient.

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-093763304

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)