CAGroup3D: 포인트 클라우드 상의 3D 객체 탐지를 위한 계층 인식 그룹화

우리는 새로운 이단계 전 완전 희소 복소(convolutional) 3D 객체 탐지 프레임워크인 CAGroup3D을 제안한다. 제안하는 방법은 먼저, 동일한 의미 예측을 가진 객체 표면 박스체(voxels)를 기반으로 클래스 인식(local group) 전략을 활용하여 고품질의 3D 제안(proposals)을 생성한다. 이 과정은 이전의 바텀업 접근 방식에서 간과되었던 의미 일관성과 다양한 국소성(locality)을 고려한다. 이후, 잘못된 박스체 단위 분할로 인해 누락된 특징을 복구하기 위해, 백본(backbone)에서 세밀한 공간 정보를 직접 집계할 수 있는 완전 희소 복소 RoI 풀링 모듈을 구축한다. 이는 메모리 및 계산 효율성이 뛰어나며, 각 3D 제안의 기하학적 특징을 더 잘 인코딩할 수 있다. 제안된 모델은 ScanNet V2에서 [email protected] 기준으로 +3.6%, SUN RGB-D에서는 +2.6%의 뚜렷한 성능 향상을 달성하여 최신 기준(SOTA)의 3D 탐지 성능을 실현하였다. 코드는 https://github.com/Haiyang-W/CAGroup3D에서 공개될 예정이다.