IAFA: 단일 이미지에서 3D 객체 탐지를 위한 인스턴스 인지 특징 집약

단일 이미지에서의 3D 객체 탐지는 자율주행(AD) 분야에서 중요한 과제이며, 다양한 접근 방식이 제안되어 왔다. 그러나 단일 이미지의 깊이 추정 자체가 이미 잘 정의되지 않은 문제이기 때문에 이 과제는 본질적으로 모호하고 도전적인 성격을 지닌다. 본 논문에서는 다음과 같은 기여를 통해 3D 객체 탐지의 정확도를 향상시키기 위해 유용한 정보를 효과적으로 통합하는 인스턴스 인식 기반 접근법을 제안한다. 첫째, 3D 경계 상자 회귀를 위해 국소적 및 전역적 특징을 수집하는 인스턴스 인식 특징 통합(IAFA) 모듈을 제안한다. 둘째, 실증적으로 공간 주의 메커니즘이 거시적 수준의 인스턴스 레이블을 감독 신호로 사용할 경우 효과적으로 학습될 수 있음을 발견하였다. 제안된 모듈은 세 가지 카테고리에 걸쳐 기준 모델의 3D 탐지 성능과 차량 탐지의 2D Bird's Eye View 성능 모두를 크게 향상시켰다. 셋째, 제안한 방법은 깊이 정보를 보조 입력으로 사용해 훈련된 모든 단일 이미지 기반 접근법을 포함하여, KITTI 벤치마크에서 최고 수준의 3D 탐지 성능을 달성하며, 현재까지의 최신 기술(SOTA)을 초월하는 성과를 보였다.