SDF Shape Priors를 사용한 3D 객체의 자동 라벨링

우리는 사전 훈련된 오프더셀프 2D 검출기와 희소 라이다 데이터로부터 9D 큐브와 3D 형태를 복원하기 위한 자동 주석 파이프라인을 제시합니다. 우리의 자동 라벨링 방법은 학습된 형태 사전 지식을 고려하고 기하학적 및 물리적 매개변수를 최적화하여 불완전한 역 문제를 해결합니다. 이 어려운 문제를 해결하기 위해, 우리는 부호 거리 필드(SDF)에 적용되는 새로운 미분 가능한 형태 렌더러와 정규화된 객체 좌표 공간(NOCS)을 함께 활용합니다. 초기에는 합성 데이터로 형태와 좌표를 예측하도록 훈련되었으며, 이 방법은 이러한 예측을 실제 샘플에 대한 투사 및 기하학적 맞춤에 사용합니다. 또한, 우리는 점차적으로 난이도가 증가하는 샘플들에서 반복적으로 재훈련하는 커리큘럼 학습 전략을 제안합니다. KITTI3D 데이터셋에서의 실험 결과는 우리가 상당히 정확한 큐브를 많이 복원할 수 있으며, 이러한 자동 라벨이 최신 성능의 3D 차량 검출기를 훈련시키는 데 사용될 수 있음을 보여줍니다.