Abstract
- Self-supervised learning (SSL) 위한 graph autoencoders (GAEs)
- 기존 GAE의 reconstruction objective, training robustness, and error metric 문제점들을 해결
- contrastive 방식이 아닌 generative 방식으로 SOTA 결과를 이룸
- Graph structure가 아닌 Feature를 reconstruction하는것에 초점을 맞춤
Abstract
- spherical voxel을 활용하여 voxel 안에는 complete-graph로 만든 후 GNN
- Voxel끼리는 Knn graph로 만든 후 GNN
- GNN 구조에서 Attention 기법을 적용
Abstract
- Point Cloud에서 객체 탐지를 위한 GNN
- Point feature encoding 단계에서 relative coordinates와 Angle를 사용
Abstract
- Point Cloud에서 객체 탐지를 위한 GNN
- Translation variance를 줄이기 위해 auto-registration mechanism 도입
- Multiple vertex에서 예측된 box를 merge하는 단계 설계