초록
우리는 높은 성능을 보이는 점군 기반 3차원 객체 탐지기인 Deformable PV-RCNN을 제안한다. 현재 최첨단 이단계 탐지기에서 사용되는 후보 객체(refinement) 개선 방법은 다양한 객체 크기, 변동하는 점군 밀도, 부분적 변형 및 복잡한 배경(클러터)을 충분히 반영하지 못하고 있다. 본 논문에서는 2차원 변형 가능한 컨볼루션 네트워크에 영감을 받아, 정보가 풍부한 위치에서 인스턴스에 특화된 특징을 적응적으로 추출할 수 있는 후보 객체 개선 모듈을 제안한다. 또한, 키포인트가 개선 단계에서 관련된 맥락 정보를 선택할 수 있도록 하는 간단한 컨텍스트 게이팅 메커니즘을 제안한다. 제안한 방법은 KITTI 데이터셋에서 최신 기준 성능을 달성함을 보여준다.