3D-BEVIS: 상공 시점 인스턴스 분할

최근의 딥 러닝 모델들은 비정형 포인트 클라우드를 직접 처리하여 3D 장면 분석 작업에서 뛰어난 결과를 달성하고 있습니다. 객체 분류와 의미 분할 영역에서는 많은 진전이 이루어졌지만, 인스턴스 분할 작업은 상대적으로 덜 연구되어 왔습니다. 본 연구에서는 포인트 클라우드에서 3D 의미 인스턴스 분할을 수행하는 딥 러닝 프레임워크인 3D-BEVIS를 제시합니다. 이전의 제안 없이 인스턴스 분할 접근 방식의 아이디어를 따르며, 우리의 모델은 특징 임베딩을 학습하고 이를 의미 인스턴스로 그룹화합니다. 현재의 포인트 기반 방법들은 장면의 로컬 부분을 개별적으로 처리함으로써 포인트 수에 선형적으로 비례하여 확장됩니다. 그러나 클러스터링을 통해 인스턴스 분할을 수행하기 위해서는 전역적으로 일관된 특징이 필요합니다. 따라서, 우리는 로컬 포인트 기하학과 중간 단계의 조감도 표현에서 얻은 전역 컨텍스트 정보를 결합하는 방법을 제안합니다.