3D 포인트 클라우드 인식의 일반적인 손상에 대한 강건성 평가

3차원 포인트 클라우드 데이터를 활용한 딥 신경망은 실생활에서 널리 사용되고 있으며, 특히 안전 핵심 응용 분야에서 두드러진다. 그러나 이러한 모델의 오염에 대한 견고성에 대한 연구는 여전히 부족한 편이다. 본 논문에서는 3차원 포인트 클라우드 오염에 대한 견고성을 평가하기 위한 첫 번째 종합적인 벤치마크인 ModelNet40-C를 제안한다. ModelNet40-C는 15개의 일반적이고 현실적인 오염 유형으로 구성되어 있으며, 최신 기술(SOTA) 모델들의 성능을 ModelNet40과 ModelNet40-C에서 비교한 결과, 두 데이터셋 간에 큰 성능 격차가 존재함을 확인하였다. 이러한 격차를 줄이기 위해, 다양한 증강 기법과 테스트 시 적응 전략을 평가한 후, PointCutMix-R와 TENT을 결합한 간단하면서도 효과적인 방법을 제안한다. 또한 포인트 클라우드 인식에서 오염에 대한 견고성 연구를 위한 몇 가지 핵심 통찰을 도출하였다. 예를 들어, 적절한 학습 전략을 갖춘 Transformer 기반 아키텍처가 가장 뛰어난 견고성을 달성함을 밝혀냈다. 본 연구의 심층적인 분석이 3차원 포인트 클라우드 분야에서 견고한 학습 전략 또는 아키텍처 설계의 개발을 촉진하기를 기대한다. 본 연구의 코드베이스 및 데이터셋은 https://github.com/jiachens/ModelNet40-C 에 공개되어 있다.