BFANet: 경계 특징 분석을 통한 3D 세밀 분할 재검토

3D 세미틱 세그멘테이션은 3D 장면을 이해하는 데 핵심적이고 기초적인 역할을 한다. 현재 최첨단 기술들은 일반적인 평가 지표(예: mIoU, mAcc, oAcc) 기반으로 3D 세미틱 세그멘테이션의 전반적인 성능 향상에 주로 집중하고 있으나, 이로 인해 세그멘테이션에 있어 도전적인 영역에 대한 탐색은 거의 간과되고 있다. 본 논문에서는 보다 세밀한 관점에서 3D 세미틱 세그멘테이션을 재검토하며, 일반적인 성능 지표에 의해 가려져 있는 미묘한 복잡성을 조명한다. 구체적으로, 3D 세미틱 세그멘테이션 오류를 네 가지 포괄적인 범주로 구분하고, 각 범주에 맞춰 특화된 평가 지표를 제안한다. 이러한 범주 기반 프레임워크를 바탕으로, 세미틱 경계 특징에 대한 세부적인 분석을 통합한 혁신적인 3D 세미틱 세그멘테이션 네트워크인 BFANet를 제안한다. 먼저, 포인트 클라우드 특징을 세미틱 특징과 경계 특징으로 분리하고, 쿼리 큐를 융합함으로써 주의 메커니즘을 통해 세미틱 특징을 강화하는 경계-세미틱 모듈을 설계하였다. 두 번째로, 기존 최첨단 기술보다 3.9배 빠른 보다 간결하고 가속화된 경계 의사라벨 계산 알고리즘을 도입하여 데이터 증강과의 호환성을 확보하고, 학습 과정에서 효율적인 계산을 가능하게 했다. 기준 데이터셋에서 실시한 광범위한 실험 결과는 BFANet 모델의 우수성을 입증하며, 네 가지 독자적으로 설계된 지표에 주목할 필요성을 확인한다. 코드는 https://github.com/weiguangzhao/BFANet 에서 공개되어 있다.