3D 인스턴스 세그멘테이션에서 상향식보다 하향식이 우수하다

대부분의 3D 인스턴스 세그멘테이션 방법은 하향식 전략을 활용하며, 일반적으로 자원을 집약하는 후처리 과정을 포함한다. 포인트 그룹화에 있어 하향식 방법은 하이퍼파라미터 형태의 사전 가정에 의존하는데, 이러한 가정은 도메인에 따라 달라지며 신중한 튜닝이 필요하다. 반면, 우리는 TD3D를 제안한다. 이는 최초로 클러스터를 사용하지 않고, 완전히 컨볼루셔널이며, 엔드투엔드 방식으로 훈련되는 데이터 주도적 접근법이다. 이는 3D 도메인에서 하향식 접근법을 능가하는 최초의 상향식 방법이다. 간결한 처리 파이프라인을 갖추고 있어, 표준 실내 벤치마크인 ScanNet v2, 그 확장판인 ScanNet200, S3DIS를 비롯해 항공 이미지 기반의 STPLS3D 데이터셋에서도 뛰어난 정확도와 일반화 능력을 입증하였다. 또한 현재 최고의 그룹화 기반 접근법보다 훨씬 빠른 추론 속도를 제공한다. 주요 개선 버전은 가장 정확한 하향식 방법보다 1.9배 빠르며, 동시에 더 높은 정확도를 달성하였고, 더 빠른 버전은 2.6배의 속도로 최신 기술 수준의 정확도를 유지한다. 코드는 https://github.com/SamsungLabs/td3d 에 공개되어 있다.