점 변환기 V3는 정확도와 효율성 간의 기존 trade-off를 극복하기 위해 설계되었습니다. 복잡한 메커니즘의 정확도를 희생하여 단순성과 효율성을 우선시함으로써 확장성을 높였고, 이를 통해 다양한 실내외 3D 인식 작업에서 최신 성과를 달성했습니다.
3D 장면 이해 모델은 높은 정확도에도 불구하고 신뢰할 수 있는 불확실성 추정에 실패하는 경향이 있으며, 이는 안전 관련 응용 분야에서 심각한 문제를 야기할 수 있다. 본 연구는 이러한 문제를 해결하기 위해 깊이 정보 기반의 새로운 보정 방법을 제안하고, 다양한 3D 데이터셋에서 검증한다.