SHREC 2022: 이미지 및 RGB-D 데이터를 이용한 도로 포장의 포트홀 및 균열 탐지

이 논문은 2022년 SHREC 경진대회에서 도로 포장의 구멍 및 균열 탐지에 대한 평가를 위해 제출된 방법들을 설명한다. 도로 표면의 의미적 세그멘테이션을 위한 총 7가지 다른 실행 결과가 비교되었으며, 이는 참가자들이 제출한 6가지 방법과 기준 방법(baseline method)을 포함한다. 모든 방법은 딥러닝 기술을 활용하였으며, 동일한 환경(즉, 단일 Jupyter 노트북)에서 성능이 평가되었다. 참가자들에게는 최신 깊이 카메라를 사용하여 수집한 3,836개의 의미적 세그멘테이션 이미지/마스크 쌍과 797개의 RGB-D 영상 클립으로 구성된 학습 데이터셋이 제공되었다. 이후 각 방법은 검증 세트의 496개 이미지/마스크 쌍, 테스트 세트의 504개 쌍, 그리고 마지막으로 8개의 영상 클립에서 평가되었다. 결과 분석은 이미지 세그멘테이션을 위한 정량적 지표와 영상 클립에 대한 정성적 분석을 기반으로 수행되었다. 참가 현황과 결과를 통해 이 시나리오는 매우 중요한 관심사임을 확인하였으며, RGB-D 데이터의 활용은 여전히 이 분야에서 도전적인 과제임을 시사한다.