초록
3D 객체 탐지 기술은 포인트 클라우드를 유일한 입력으로 사용함으로써 놀라운 진전을 이루었다. 그러나 포인트 클라우드는 종종 기하학적 구조가 불완전하고 의미 정보가 부족하여 탐지된 객체를 정확히 분류하는 데 어려움을 겪는다. 본 연구에서는 이미지에서 얻은 객체 수준의 정보를 효과적으로 활용하여 포인트 기반 3D 탐지기의 성능을 향상시키는 방법에 초점을 맞춘다. 우리는 이미지 정보를 포인트 특징에 융합하는 간단하면서도 효과적인 방법인 DeMF를 제안한다. 주어진 포인트 특징과 이미지 특징 맵을 기반으로, DeMF는 3D 포인트의 투영된 2D 위치를 기준으로 이미지 특징을 적응적으로 집계한다. 제안한 방법은 도전적인 SUN RGB-D 데이터셋에서 평가되었으며, 기존 최고 성능 결과를 크게 향상시켰다 ([email protected] 기준 +2.1, [email protected] 기준 +2.3). 코드는 https://github.com/haoy945/DeMF 에서 제공된다.