DetZero: 장기 시퀀셜 포인트 클라우드를 활용한 오프보드 3D 객체 검출 재고려

기존의 오프보드 3D 검출기는 무제한 시퀀셜 포인트 클라우드를 활용하기 위해 모듈화된 파이프라인 설계를 따릅니다. 우리는 오프보드 3D 검출기의 전반적인 잠재력이 주로 두 가지 이유로 충분히 발휘되지 않는다는 것을 발견했습니다: (1) 온보드 다중 객체 추적기가 충분히 완전한 객체 궤적을 생성하지 못하며, (2) 객체의 운동 상태가 장기 시퀀스 컨텍스트 표현을 활용하는 객체 중심 정교화 단계에 불가피한 도전을 제시합니다. 이러한 문제들을 해결하기 위해, 우리는 새로운 패러다임의 오프보드 3D 객체 검출 기법, DetZero라는 이름으로 제안합니다. 구체적으로, 오프라인 추적기와 다중 프레임 검출기를 결합하여 생성된 객체 궤적의 완전성을 강화하는 방법을 제안합니다. 또한, 분리된 회귀 방법을 사용하여 장기 시퀀스 포인트 클라우드 간의 컨텍스트 정보 상호작용을 강화하는 주목-메커니즘 정교화 모듈을 제안합니다.Waymo 오픈 데이터셋에서 수행된 광범위한 실험 결과, 우리의 DetZero는 모든 최신 온보드 및 오프보드 3D 검출 방법보다 우수한 성능을 보였습니다. 특히, DetZero는 85.15 mAPH (L2) 검출 성능으로 Waymo 3D 객체 검출 리더보드에서 1위를 차지했습니다. 추가 실험은 이러한 고품질 결과가 인간 라벨을 대체할 수 있음을 입증하였습니다. 우리의 경험적 연구는 기존 관례를 재고하고, 향후 오프보드 3D 객체 검출 연구를 안내할 수 있는 흥미로운 발견들을 이끌어냈습니다.