Core Concepts
박스 경계 상자 주석을 사용하여 3D 인스턴스 분할을 수행하는 새로운 방법인 BSNet을 제안한다. 이를 위해 시뮬레이션 보조 평균 교사 기반 의사 레이블러와 지역-전역 인지 주의 메커니즘을 도입한다.
Abstract
이 논문은 3D 인스턴스 분할을 위한 새로운 약한 감독 방법인 BSNet을 제안한다. 기존 방법들은 박스 경계 상자 주석을 사용하지만, 중첩 영역의 인스턴스 레이블 결정에 어려움이 있었다.
BSNet은 다음과 같은 핵심 구성 요소를 가진다:
시뮬레이션 보조 평균 교사(SMT): 비중첩 영역의 확실한 레이블을 활용하고, 중첩 영역에 대한 의사 레이블을 생성한다. 시뮬레이션 샘플을 활용하여 중첩 영역에 대한 사전 지식을 습득한다.
지역-전역 인지 주의(LGA): 지역 구조와 전역 관계를 모두 고려하여 중첩 영역의 의사 레이블을 정확하게 예측한다.
실험 결과, BSNet은 ScanNetV2와 S3DIS 데이터셋에서 기존 방법들을 크게 능가하는 성능을 보였다. 특히 중첩 영역의 의사 레이블 품질이 크게 향상되었다.
Stats
중첩 영역의 점들은 여러 개의 경계 상자에 속하므로 명확한 인스턴스 레이블을 가지지 않는다.
비중첩 영역의 점들은 단일 경계 상자에 속하므로 확실한 인스턴스 레이블을 가진다.
Quotes
"3D 인스턴스 분할은 3D 장면 이해의 핵심 과제이지만, 완전 감독 설정에서 점 단위 주석은 번거롭다."
"중첩 영역에서 각 점이 결정된 인스턴스 레이블을 가지지 않는 것이 문제이다."