초록
우리는 실내 환경에서의 맥락적 관계를 포착하기 위해 잠재적 지지 표면(latent support surfaces)을 활용하는 3D 객체 탐지 알고리즘을 개발하였다. 기존의 RGB-D 이미지에 대한 3D 표현 방식은 객체 카테고리의 국소적 형태와 외관을 잘 반영하지만, 다양한 시각적 스타일을 가진 객체를 표현하는 데 한계가 있다. 또한 3D 환경에서 탐지 공간이 매우 커지기 때문에 소형 객체 탐지가 어려운 문제가 존재한다. 그러나 우리는 3D 객체 카테고리 내에서 형태의 다양성의 대부분이 잠재적 지지 표면의 위치에 의해 설명될 수 있으며, 소형 객체는 일반적으로 더 큰 객체에 의해 지지된다는 점을 관찰하였다. 따라서 우리는 대형 객체의 3D 외관을 보다 정확히 표현하기 위해 잠재적 지지 표면을 명시적으로 활용하고, 소형 객체 탐지의 정확도를 향상시키기 위한 맥락적 정보를 제공한다. 본 모델은 SUN RGB-D 데이터베이스의 19개 객체 카테고리에 대해 평가되었으며, 최신 기술 수준의 성능을 입증하였다.