[논문 리뷰] Nonparametric Regression for 3D Point Cloud Learning

Xinyi Li, Shan Yu외 4명|PubMed|2021. 06. 08.

Remote Sensing and LiDAR Applications참고 문헌 45인용 수 4

한 줄 요약

이 논문은 비정규 영역에서의 비모수적 회귀에서 발생하는 '누출 문제'를 해결하기 위해 3차원 점군 학습을 위한 삼변량 페널티 스플라인 스무딩 방법(TPST)을 제안한다. 방향 도함수 기반 페널티와 다변량 스플라인을 활용하여 정확한 노이즈 제거, 다중 해상도 재구성 및 데이터 감소를 가능하게 하였으며, 최적의 비모수적 수렴 속도를 확보하면서 510,340개의 바vox셀 점군을 4,856개의 스플라인 계수로 감소시킬 때 30.76의 피크 신호 대 노이즈 비를 달성하였다.

ABSTRACT

In recent years, there has been an exponentially increased amount of point clouds collected with irregular shapes in various areas. Motivated by the importance of solid modeling for point clouds, we develop a novel and efficient smoothing tool based on multivariate splines over the triangulation to extract the underlying signal and build up a 3D solid model from the point cloud. The proposed method can denoise or deblur the point cloud effectively, provide a multi-resolution reconstruction of the actual signal, and handle sparse and irregularly distributed point clouds to recover the underlying trajectory. In addition, our method provides a natural way of numerosity data reduction. We establish the theoretical guarantees of the proposed method, including the convergence rate and asymptotic normality of the estimator, and show that the convergence rate achieves optimal nonparametric convergence. We also introduce a bootstrap method to quantify the uncertainty of the estimators. Through extensive simulation studies and a real data example, we demonstrate the superiority of the proposed method over traditional smoothing methods in terms of estimation accuracy and efficiency of data reduction.

연구 동기 및 목표

• 복잡한 경계를 가진 비정규 영역에서의 3차원 비모수적 회귀에서 발생하는 '누출 문제'를 해결하기 위해, 기존 방법들이 복잡한 경계를 넘어 정보를 잘못 빌려오는 문제를 해결한다.
• 기하학적 구조를 유지하면서 3차원 점군의 노이즈 제거 및 블러 제거를 가능하게 하고, 다중 해상도 재구성을 지원하는 강력하고 효율적인 스무딩 도구를 개발한다.
• 밀도 있는 점군을 신호 정밀도를 잃지 않고 소수의 스플라인 계수로 표현함으로써 상당한 데이터 감소를 가능하게 한다.
• 제안된 추정기의 이론적 보장을 제공하며, 수렴 속도와 점근 정규성을 포함한다.
• 부트스트랩 방법을 통해 스무딩 추정치의 불확실성을 정량화한다.

제안 방법

• 메시 기반의 기저 함수를 사용하여 3차원 영역의 단체형 삼각분할 위에서 삼변량 페널티 스플라인을 적용하여 기저 신호를 표현한다.
• 복잡한 영역 경계를 넘는 누출을 방지하기 위해 방향 도함수 기반 페널티 함수를 도입하여 스무딩 정도를 제어한다.
• 관측된 데이터에 대한 적합도와 스무딩 정도를 균형 잡기 위해 정규화 파rameter를 사용하는 페널티 최소 제곱 기준을 최소화하여 스무딩 추정기를 유도한다.
• 해결책은 기저 함수의 그램 행렬과 페널티 항을 포함하는 선형 시스템을 통해 계수를 구한 선형 조합으로 표현된다.
• 삼각분할 해상도와 스무딩 파rameter를 조절함으로써 자연스럽게 다중 해상도 분석을 지원한다.
• 스무딩 추정기의 분산을 추정하고 재구성된 신호의 불확실성을 정량화하기 위해 부트스트랩 절차를 적용한다.

실험 결과

연구 질문

• RQ1 비모수적 스무딩 방법이 비정규 영역에서의 3차원 점군 회귀에서 '누출 문제'를 효과적으로 완화할 수 있는가?
• RQ2 제안된 TPST 방법이 3차원 신호 추정에서 최적의 비모수적 수렴 속도를 달성하는가?
• RQ3 이 방법은 신호 정밀도와 기하학적 특징을 유지하면서 어느 정도까지 데이터 크기를 감소시킬 수 있는가?
• RQ4 이 방법은 흩어져 있고 비정규적으로 분포한 3차원 점군의 노이즈 제거 또는 블러 제거에 얼마나 효과적인가?
• RQ5 부트스트랩 방법은 3차원 영역의 다양한 영역에서 추정된 신호의 불확실성을 신뢰성 있게 정량화할 수 있는가?

주요 결과

• 제안된 TPST 방법은 3차원 신호 추정에서 이론적 하한선에 맞는 최적의 비모수적 수렴 속도를 달성한다.
• 복잡한 영역 경계를 존중하는 방향 도함수 기반 페널티를 통해 '누출 문제'를 효과적으로 제거한다.
• 실제 사례에서 이 방법은 510,340개의 바vox셀 점군을 단 4,856개의 스플라인 계수로 감소시켰고, 피크 신호 대 노이즈 비는 30.76였다.
• 부트스트랩 방법은 스무딩 추정기의 불확실성을 성공적으로 정량화하였으며, 점근 정규성에 의해 이론적 근거를 확보하였다.
• 이 방법은 다중 해상도 재구성을 가능하게 하여 세부 사항과 스무딩 정도 사이의 탄력적인 트레이드오프를 허용한다.
• 이론적 분석을 통해 편향 항이 표준 오차에 비해 무시할 만큼 작음을 확인하였으며, 이는 추정기의 점근 정규성을 뒷받침한다.