클래스 균형 그룹핑 및 샘플링을 이용한 포인트 클라우드 3D 객체 검출

본 보고서는 자율주행 워크숍(WAD, CVPR 2019)에서 개최된 nuScenes 3D 감지 챌린지 [17]를 우승한 우리의 방법을 제시합니다. 일반적으로, 우리는 희소 3D 컨볼루션을 사용하여 풍부한 의미론적 특성을 추출하고, 이를 클래스 균형 다중 헤드 네트워크에 입력하여 3D 객체 감지를 수행합니다. 자율주행 시나리오에서 고유하게 발생하는 심각한 클래스 불균형 문제를 처리하기 위해, 우리는 더 균형 잡힌 데이터 분포를 생성하기 위한 클래스 균형 샘플링 및 증강 전략을 설계했습니다. 또한, 유사한 형태를 가진 카테고리의 성능을 향상시키기 위해 균형 잡힌 그룹핑 헤드를 제안합니다. 챌린지 결과에 따르면, 우리의 방법은 모든 메트릭에서 PointPillars [14] 베이스라인을 크게 능가하며, nuScenes 데이터셋에서 최신 수준의 감지 성능을 달성하였습니다. 코드는 CBGS에서 공개될 예정입니다.