BAAM: 이중맥락 주의 모듈과 주의 유도 모델링을 활용한 단일 카메라 3D 자세 및 형태 재구성

3D 교통 장면은 차량 객체의 포즈와 형태를 포함한 다양한 3D 정보를 포함한다. 그러나 최근 대부분의 연구는 세부적인 형태 재구성에 상대적으로 덜 주목하고 있다. 또한, 대부분의 기존 방법은 각 3D 객체를 독립적인 개체로 처리함으로써 객체 간의 상대적 맥락 정보 및 도로 환경을 반영하는 장면 맥락 정보를 손실하게 된다. 본 연구에서는 이와 같은 문제를 해결하기 위해 이중 맥락 주의(비컨텍스추얼 어텐션)와 어텐션 유도 모델링(Attention-Guided Modeling, BAAM)을 기반으로 한 새로운 단일 카메라 기반 3D 포즈 및 형태 재구성 알고리즘을 제안한다. 먼저, 2D 기초 요소를 기반으로 객체 간의 관련성과 차량 형태 사전 지식을 고려한 어텐션 유도 모델링을 통해 3D 객체 형태를 재구성한다. 다음으로, 객체 간의 관계 맥락과 객체와 도로 환경 간의 장면 맥락을 활용하는 이중 맥락 주의를 통해 3D 객체의 포즈를 추정한다. 마지막으로, Bird-Eye-View(BEV) 기준 거리에 기반하여 잡음 객체를 제거하는 3D 비최대 억제(Non-Maximum Suppression, NMS) 알고리즘을 제안한다. 광범위한 실험 결과는 제안된 BAAM이 ApolloCar3D 데이터셋에서 최신 기술 수준(SOTA)의 성능을 달성함을 보여주며, KITTI 데이터셋에서 기존의 성숙한 단일 카메라 3D 객체 탐지기와도 호환되어 성능을 크게 향상시킬 수 있음을 입증한다.