연구진이 3D 포인트 클라우드 이해를 위한 파라미터 효율적인 적응 프레임워크 Point Ladder Tuning (PLT)을 개발했어요. PLT는 계층적이고 인스턴스 조건부 적응을 수행하며 백본을 동결 상태로 유지해요.
PLT는 Hierarchical Ladder Network (HLN)을 통해 raw 포인트에서 다중 해상도 로컬 피라미드를 구성하고, Local-Global Fusion (LGF)을 통해 로컬 피라미드와 백본 의미를 정렬하고 융합해요.
Dynamic Prompt Generator는 동적 다중 해상도 프롬프트를 생성하여 동결된 백본을 효과적으로 조절하며, 분류 및 밀집 예측 실험에서 기존 PEFT 기준 성능을 능가했어요.
PointGPT-L 백본에서 단 0.36%의 파라미터만으로 최고 성능을 달성하며, 코드는 GitHub에서 공개됐어요.