빠른 신경 장면 흐름

Neural Scene Flow Prior (NSFP)는 분포 외(OOD) 효과에 대한 내재적 강건성과 밀도 높은 LiDAR 포인트 처리 능력으로 인해 시각 연구 커뮤니티에서 큰 관심을 받고 있습니다. 이 접근 방식은 훈련 없이 런타임 시에 신경망 좌표를 이용하여 장면 흐름을 추정합니다. 그러나 현재 최신 학습 방법보다 최대 100배 느릴 수 있습니다. 이미지, 비디오 및 복사 함수 재구성 등의 다른 응용 분야에서는 런타임 성능을 가속화하기 위한 좌표 신경망의 혁신이 주로 구조적 변경에 초점을 맞추었습니다. 본 논문에서는 장면 흐름이 다르다는 점을 보여주는데, 주요 계산 병목 현상이 손실 함수 자체(예: Chamfer 거리)에서 발생한다는 것입니다. 또한, 우리는 거리 변환(DT)을 효율적이고 대응 관계가 없는 손실 함수로 재발견하여 런타임 최적화를 크게 가속화할 수 있음을 입증하였습니다. 우리의 빠른 신경 장면 흐름(FNSF) 접근 방식은 Waymo Open 및 Argoverse라는 두 개의 가장 큰 오픈 자율 주행(AV) LiDAR 데이터셋에서 처음으로 학습 방법과 유사한 실시간 성능을 보고하며, 어떠한 훈련이나 OOD 편향도 없습니다.