초록
최근 몇 년간 반감독 학습과 3D 실내 레이아웃 재구성에 대한 연구가 활발히 진행되었습니다. 본 연구에서는 이 두 분야의 교차점을 탐색하여, 적은 라벨링 데이터로 더 정확한 3D 실내 장면 모델링을 가능하게 하는 연구 목표를 발전시키고자 합니다. 우리는 라벨링된 데이터와 비라벨링된 데이터의 조합을 사용하여 방의 코너와 경계의 표현을 학습하는 첫 번째 접근법을 제안합니다. 이를 통해 360도 파노라마 장면에서 개선된 레이아웃 추정이 가능해집니다. 광범위한 비교 실험을 통해 우리 접근법이 단지 20개의 라벨링 예제만으로도 복잡한 실내 장면의 레이아웃 추정을 발전시킬 수 있음을 입증하였습니다. 합성 데이터로 사전 훈련된 레이아웃 예측기와 결합할 경우, 우리의 반감독 방법은 완전히 감독된 대응 방법과 동등한 성능을 보여주며, 이는 단지 12%의 라벨만으로도 가능함을 확인하였습니다. 우리의 연구는 제한된 라벨링 데이터로 많은 3D 인식 응용 프로그램을 가능하게 하는 견고한 반감독 레이아웃 추정에 중요한 첫걸음을 내딛었습니다.