본 논문은 기존 AI 기반 점군 압축 방법의 한계인 특정 훈련 데이터 분포 의존성을 해결하기 위해, Implicit Neural Representation (INR) 기반의 새로운 손실 없는 점군 기하 압축 방법인 LINR-PCGC를 제안합니다. 기존 INR 기반 방법들의 인코딩 시간 및 디코더 크기 제한으로 인해 손실 압축에만 국한되었던 것과 달리, LINR-PCGC는 손실 없는 압축을 달성합니다. 이를 위해 점군 레벨 코딩 프레임워크와 효과적인 네트워크 초기화 전략을 설계하여 인코딩 속도를 약 60% 단축하고, 다중 스케일 SparseConv 기반의 경량 코딩 네트워크를 통해 빠른 추론과 작은 디코더 크기를 구현합니다. 실험 결과, 기존 방법들보다 우수한 성능을 보이며, MVUB 데이터셋에서 기존 방법들 대비 약 21% 이상의 비트스트림 감소를 달성합니다.
