RELLIS-3D 데이터셋: 데이터, 벤치마크 및 분석

세밀한 장면 이해는 특히 비도로 환경에서 강건하고 안전한 자율 주행을 위한 핵심 요소이다. 최근 3차원 세밀한 분할을 위한 딥러닝 기술은 대량의 훈련 데이터에 크게 의존하고 있으나, 기존 자율주행 데이터셋은 도시 환경을 주로 반영하거나 다중 모달의 비도로 데이터를 부족하게 제공하고 있다. 본 연구는 텍사스 A&M 대학교 Rellis 캠퍼스에서 촬영한 비도로 환경에서 수집된 다중 모달 데이터셋인 RELLIS-3D를 제안함으로써 이 격차를 메운다. 이 데이터셋은 13,556개의 LiDAR 스캔과 6,235장의 이미지에 대한 레이블을 포함하고 있으며, 기존 알고리즘에 대해 클래스 불균형과 환경 지형의 복잡성 등 다양한 도전 과제를 제시한다. 또한, 본 데이터셋에서 최신 딥러닝 세밀한 분할 모델의 성능을 평가하였다. 실험 결과, 도시 환경을 위한 분할 알고리즘은 RELLIS-3D에서 성능이 저하됨을 확인할 수 있었다. 이 새로운 데이터셋은 연구자들이 보다 고도화된 알고리즘을 개발하고, 비도로 환경에서의 자율 주행을 향상시키기 위한 새로운 연구 방향을 탐구할 수 있도록 필요한 자원을 제공한다. RELLIS-3D는 https://github.com/unmannedlab/RELLIS-3D 에서 공개된다.