이 연구는 실제 산림 데이터 수집의 어려움을 해결하기 위해 합성 데이터를 이용하여 포인트 기반 딥러닝 네트워크를 학습하고자 한다.
먼저, Unity 엔진 기반의 실제와 유사한 산림 환경을 생성하는 시뮬레이터를 개발하였다. 이를 통해 지형, 나무, 관목, 초목 등이 포함된 합성 포인트 클라우드 데이터셋을 생성하였다.
다음으로, 4가지 최신 포인트 기반 딥러닝 네트워크(PointNeXt, PointBERT, PointMAE, PointGPT)를 선정하여 합성 데이터로 학습시켰다. 그리고 실제 산림 데이터셋인 Evo 데이터셋으로 테스트하여 성능을 평가하였다.
실험 결과, 합성 데이터로 학습한 네트워크들이 실제 데이터에서도 비교적 좋은 성능을 보였다. 특히 PointNeXt 네트워크가 지형, 수간, 수관, 하층식생 등의 분할에서 가장 우수한 성능을 나타냈다. 이를 통해 합성 데이터를 이용한 네트워크 학습이 실제 산림 분할에 효과적일 수 있음을 확인하였다.
이 연구는 실제 데이터 수집의 어려움을 해결하고자 합성 데이터를 활용한 접근법을 제시하였다. 향후에는 합성 데이터로 사전 학습한 네트워크를 실제 데이터로 fine-tuning하는 방식으로 성능을 더욱 향상시킬 수 있을 것으로 기대된다.
A otro idioma
del contenido fuente
arxiv.org
Consultas más profundas