초록
LiDAR 포인트 클라우드에 밀도 높은 레이블을 부여하는 작업은 여전히 비용이 많이 들고 시간이 오래 걸려, 데이터량이 끊임없이 증가하는 상황을 따라가기 어렵다. 기존 연구는 주로 완전히 감독된 학습 성능에 집중하고 있으나, 현실적인 약한 감독(weak supervision)을 효과적으로 활용할 수 있는 효율적인 방법 개발은 아직 탐색되지 않았다. 본 논문에서는 LiDAR 포인트 클라우드에 스케치(scribbles)를 활용한 레이블링 방식을 제안하고, LiDAR 세그멘테이션을 위한 세계 최초의 스케치 레이블링 데이터셋인 ScribbleKITTI를 공개한다. 더불어, 이러한 약한 레이블을 사용할 때 발생하는 성능 차이를 줄이기 위한 파이프라인을 제시한다. 본 파이프라인은 세 가지 독립적인 기여를 포함하며, 이를 어떤 LiDAR 세그멘테이션 모델과도 조합하여 전체 감독 성능의 최대 95.7%에 달하는 성능을 달성할 수 있다. 이때 사용하는 레이블링 포인트는 전체 데이터의 단 8%에 불과하다. 본 연구의 스케치 레이블링 데이터와 코드는 github.com/ouenal/scribblekitti에서 제공된다.