포인트 클라우드에서 투표 기반 3D 객체 탐지를 위한 백트레이싱 대표점

포인트 클라우드 내 3D 객체 탐지는 3D 시각 세계를 이해하는 데 유용한 다양한 응용 분야에 기여하는 도전적인 비전 과제이다. 최근 많은 연구는 엔드투엔드 학습 가능한 후 투표(Hough voting)를 활용하여 객체 후보를 생성하는 방법에 초점을 맞추고 있다. 그러나 기존의 투표 전략은 잠재적 객체의 표면에서 부분적인 투표만을 수신할 뿐만 아니라, 복잡한 배경으로 인해 심각한 이상치 투표를 포함하므로 입력 포인트 클라우드로부터의 정보를 충분히 활용하지 못하는 문제가 있다. 기존 후 투표 방법에서 사용되는 역추적(back-tracing) 전략을 영감으로 삼아, 본 연구에서는 새로운 3D 객체 탐지 방법인 '역추적 대표점 네트워크(Back-tracing Representative Points Network, BRNet)'를 제안한다. BRNet은 투표 중심에서 대표점을 생성적으로 역추적하고, 생성된 점 주변의 보완적 시드 포인트를 다시 탐색함으로써 원시 포인트 클라우드에서 잠재적 객체 주변의 미세한 국부 구조적 특징을 보다 효과적으로 포착할 수 있도록 한다. 따라서 BRNet의 하단에서 상단으로 진행되는 이전략은 예측된 투표 중심과 원시 표면 점 간의 상호 일관성을 강제함으로써 보다 신뢰성 있고 유연한 객체 위치 추정 및 클래스 예측 성능을 달성한다. 제안된 BRNet은 간단하면서도 효과적이며, 대규모 포인트 클라우드 데이터셋인 ScanNet V2(+7.5% [email protected])와 SUN RGB-D(+4.7% [email protected])에서 최신 기술을 크게 능가함과 동시에 경량성과 효율성을 유지한다. 코드는 https://github.com/cheng052/BRNet에서 공개될 예정이다.