분할 및 정복: 포인트별 이진화를 활용한 3D 포인트 클라우드 인스턴스 세그멘테이션

포인트 클라우드에서의 인스턴스 세그멘테이션은 3차원 환경 이해에 있어 매우 중요한 과제이다. 기존의 최신 기술들은 주로 거리 기반 클러스터링을 사용하고 있으나, 이는 일반적으로 효과적인 방법이지만, 동일한 의미 레이블을 가진 인접 객체(특히 인접한 포인트를 공유하는 경우)를 정확히 분할하는 데는 한계가 있다. 오프셋 포인트의 불균형한 분포로 인해 기존 방법들은 모든 인스턴스 포인트를 정확히 클러스터링하기 어렵다. 이를 해결하기 위해 우리는 각 포인트를 이진화하고 별도로 클러스터링하는 새로운 분할-정복 전략인 PBNet을 제안한다. 본 연구의 이진 클러스터링은 오프셋 인스턴스 포인트를 고밀도 포인트(High-density Points, HPs)와 저밀도 포인트(Low-density Points, LPs)로 구분한다. LPs를 제거함으로써 인접한 객체들을 명확히 분리하고, 이후 이웃 투표 방식을 활용해 LPs를 재할당함으로써 객체를 보완하고 정제한다. 과도한 세그멘테이션을 억제하기 위해, 각 인스턴스에 대한 가중치 마스크를 활용해 국소적 장면을 구성하는 방법을 제안한다. 제안한 이진 클러스터링은 기존의 거리 기반 클러스터링을 대체할 수 있는 플러그인 형태로 구현 가능하며, 주요 기준 모델들에서 일관된 성능 향상을 가져온다. ScanNetV2 및 S3DIS 데이터셋을 대상으로 수행한 일련의 실험 결과는 본 모델의 우수성을 입증한다. 특히 PBNet은 ScanNetV2 공식 벤치마크 챌린지에서 1위를 기록하며 최고의 mAP를 달성하였다. 코드는 공개적으로 https://github.com/weiguangzhao/PBNet 에서 제공될 예정이다.