ChenYutongTHU/GGPT

개요 GGPT(Geometry-Grounded Point Transformer)는 CVPR 2026에 채택된 논문으로, 포인트 클라우드 처리에 기하학적 구조를 명시적으로 반영한 트랜스포머 아키텍처를 제안한다.

핵심 내용 기존 포인트 트랜스포머들은 self-attention을 통해 포인트 간 관계를 학습하지만, 3D 공간의 기하학적 특성(곡률, 법선, 국소 평면성 등)을 충분히 활용하지 못하는 한계가 있었다. GGPT는 이름 그대로 geometry-grounded, 즉 기하학적 정보를 트랜스포머의 어텐션 메커니즘에 직접 내재시키는 방식을 취한다. 이를 통해 포인트 클라우드의 구조적 특성을 보다 정확하게 캡처하며, 분류·세그멘테이션 등 다운스트림 태스크에서 성능 향상을 달성한다.

기존 대비 차별점 Point Transformer v3 등 기존 연구들이 포인트 간 상대 위치를 인코딩하는 수준에 머물렀다면, GGPT는 보다 풍부한 기하학적 프라이어를 활용한다. "Geometry-Grounded"라는 이름이 시사하듯, 단순 좌표 차이가 아닌 국소 기하 구조 자체를 어텐션의 기반으로 삼는 점이 핵심 차별점이다. CVPR 2026 채택이 연구의 기여도를 뒷받침한다.

활용 가능성 자율주행의 LiDAR 포인트 클라우드 처리, 로보틱스의 3D 환경 인식, 실내 공간 세그멘테이션 등 포인트 클라우드를 다루는 전반적인 응용 분야에서 백본 네트워크로 활용할 수 있다. 기하학적 정보에 민감한 태스크(표면 재구성, 법선 추정 등)에서 특히 효과적일 것으로 보인다.

참고 자료 - GitHub 리포지토리 ===