PillarNeXt: LiDAR 포인트 클라우드에서 3D 객체 탐지 위한 네트워크 설계 재고

스포어스하고 구조가 불규칙한 원시 포인트 클라우드를 다루기 위해, LiDAR 기반 3D 객체 탐지 연구는 주로 세밀한 기하학적 모델링을 위한 전용 국소 포인트 집계기(지정된 로컬 포인트 어그리게이터) 설계에 집중해 왔다. 본 논문에서는 계산 자원 배분 관점에서 이러한 국소 포인트 집계기들을 재검토한다. 그 결과, 정확도와 지연 시간 모두를 고려할 때, 가장 단순한 피라미드 기반 모델이 예상 밖으로 뛰어난 성능을 보임을 확인하였다. 더불어, 2D 객체 탐지에서의 성공 사례를 최소한의 조정을 통해 적용함으로써, 예를 들어 수용 영역(Receptive Field) 확대와 같은 전략이 성능 향상에 상당한 기여를 한다는 점을 보여주었다. 광범위한 실험을 통해, 아키텍처와 학습 전략 측면에서 현대화된 설계를 적용한 피라미드 기반 네트워크가 두 가지 대표적인 벤치마크인 Waymo Open Dataset과 nuScenes에서 최고 성능을 기록함을 입증하였다. 본 연구 결과는 3D 객체 탐지에서 높은 성능을 달성하기 위해 세밀한 기하학적 모델링이 필수적이라는 일반적인 직관을 도전하는 것으로, 새로운 연구 방향을 제시한다.