3D Siamese 추적을 넘어서: 포인트 클라우드에서 3D 단일 객체 추적을 위한 동작 중심 패러다임

LiDAR 포인트 클라우드에서의 3차원 단일 객체 추적(3D SOT)은 자율 주행 분야에서 중요한 역할을 합니다. 현재 접근 방식들은 모두 외관 일치를 기반으로 하는 Siamese 패러다임을 따르고 있습니다. 그러나 LiDAR 포인트 클라우드는 일반적으로 질감이 없고 불완전하여 효과적인 외관 일치를 방해합니다. 또한, 이전 방법들은 대상 간의 중요한 움직임 정보를 크게 간과하고 있습니다. 본 연구에서는 3D Siamese 추적을 넘어서, 새로운 관점에서 3D SOT를 처리하기 위해 움직임 중심의 패러다임을 도입합니다. 이 패러다임에 따라, 우리는 매칭 과정이 없는 두 단계 추적기 M^2-Track을 제안합니다. 첫 번째 단계에서 M^2-Track은 움직임 변환을 통해 연속 프레임 내에서 대상을 위치 결정합니다. 그 다음, 두 번째 단계에서는 움직임을 활용한 형태 완성 과정을 통해 대상 박스를 정교화합니다. 광범위한 실험 결과는 M^2-Track이 세 개의 대규모 데이터셋(KITTI, NuScenes, Waymo Open Dataset)에서 이전 최신 기술들보다 상당히 우수한 성능을 보이며, 각각 약 8%, 17%, 22%의 정밀도 향상을 가져왔음을 확인하였습니다. 추가적인 분석은 각 구성 요소의 유효성을 검증하고, 외관 일치와 결합될 때 움직임 중심 패러다임의 유망한 잠재력을 보여줍니다.