초록
3차원 객체는 일반적으로 포인트 클라우드에서 3D 박스로 표현됩니다. 이 표현은 이미지 기반의 2D 바운딩 박스 검출을 모방하지만, 추가적인 도전 과제를 가지고 있습니다. 3D 세계의 객체들은 특정 방향성을 따르지 않으며, 박스 기반 검출기는 모든 방향을 열거하거나 회전된 객체에 축 정렬된 바운딩 박스를 맞추는 데 어려움을 겪습니다. 본 논문에서는 이러한 문제를 해결하기 위해, 객체를 점으로 표현하고 검출 및 추적하는 방법을 제안합니다. 우리의 프레임워크인 CenterPoint는 먼저 키포인트 검출기를 사용하여 객체의 중심을 검출하고, 3D 크기, 3D 방향성, 속도 등의 다른 속성들을 회귀합니다. 두 번째 단계에서는 객체 상의 추가적인 점 특징들을 사용하여 이러한 추정치들을 개선합니다. CenterPoint에서 3D 객체 추적은 탐욕적인 가장 가까운 점 매칭으로 단순화됩니다. 결과적으로 생성된 검출 및 추적 알고리즘은 간단하면서도 효율적이고 효과적입니다. CenterPoint는 nuScenes 벤치마크에서 65.5 NDS와 63.8 AMOTA로 단일 모델에 대한 3D 검출과 추적 모두 최고 성능을 달성했습니다. Waymo 오픈 데이터셋에서도 CenterPoint는 이전 단일 모델 방법론들보다 크게 우수한 성능을 보여주며, 모든 LiDAR 전용 제출작 중 첫 번째 순위를 차지했습니다. 코드와 사전 학습된 모델들은 https://github.com/tianweiy/CenterPoint에서 제공됩니다.