3D 포인트 클라우드 데이터 압축을 위한 G-PCC(Geometry based Point Cloud Compression)의 속성 정보 부호화는 RAHT(Region Adaptive Hierarchical Transform)와 예측/리프팅 변환으로 이루어져 있다. 이 중, RAHT는 기존 Haar Transform이 2차원상에서 DC 계수 하나와 여러 개의 AC 계수로 변환하는 것과 달리, 3차원상에서 RAHT 단위 노드라는 새로운 단위를 바탕으로 고해상도에서 저해상도의 계층적 Haar 변환을 진행하는 방법을 나타낸다. RAHT가 수행된 후 출력된 AC계수들은 양자화가 진행한 후 엔트로피 부호화가 이루어지는데, 현재 RAHT를 수행한 콘텐츠의 고주파 영역 표현율에 비해 압축이 효율적으로 수행되지 않는다. 이에 본 논문에서는 AC 계수들의 엔트로피 부호화 효율을 증가시키기 위하여 그룹화 기법을 제안하고자 하며, 해당 그룹화 기법은 RAHT 단위 노드 내에 있는 점들의 점유 정보를 이용하여 같은 평면을 이루거나 같은 선분을 이루는 포인트들을 묶은 후, 각 포인트의 속성값에 스무딩을 진행함으로써 RAHT 변환 이후 출력되는 AC 계수들의 분산도를 줄이는 방법을 나타낸다. 또한, 본 논문에서는 실험을 통해 제안하는 그룹화 기법을 통하여 기존 RAHT 기술 대비 동일한 PSNR 값을 유지한 상태에서 속성 비트스트림 크기를 줄임으로써, 압축 성능이 향상될 수 있음을 검증하고자 한다.