SceneGraphFusion: RGB-D 시퀀스로부터의 증분형 3D 장면 그래프 예측

스cene 그래프는 다양한 2차원 장면 이해 작업에서 성공적으로 사용된 간결하고 명시적인 표현 방식이다. 본 연구에서는 RGB-D 프레임 시퀀스를 기반으로 3차원 환경으로부터 점진적으로 의미론적 장면 그래프를 구축하는 방법을 제안한다. 이를 위해 그래프 신경망을 활용하여 기본 장면 구성 요소로부터 PointNet 특징을 집계한다. 또한, 이러한 점진적 재구성 시나리오에서 발생하는 부분적 또는 누락된 그래프 데이터에 적합한 새로운 주의 메커니즘을 제안한다. 제안한 방법은 장면의 하위 맵(submap)에서 실행되도록 설계되었지만, 전체 3차원 장면으로의 전이 가능성도 입증하였다. 실험 결과, 제안한 접근법은 3차원 장면 그래프 예측 기법들에 비해 크게 우수한 성능을 보이며, 동시에 다른 3차원 의미론적 및 팬오틱 세그멘테이션 방법들과 비슷한 정확도를 달성하면서도 초당 35프레임의 속도로 실행 가능함을 확인하였다.