Core Concepts
제안 모델은 지상 진실 인스턴스 없이 원시 포인트 클라우드를 직접 처리하여 상대적 위치 정보를 활용하여 텍스트 기반 3D 포인트 클라우드 위치 추정을 수행합니다.
Abstract
이 논문은 텍스트 기반 3D 포인트 클라우드 위치 추정 문제를 다룹니다. 기존 접근법의 두 가지 주요 한계를 해결하기 위해 제안된 모델은 다음과 같습니다:
지상 진실 인스턴스에 의존하는 문제: 제안 모델은 원시 포인트 클라우드를 직접 처리하고 인스턴스 쿼리를 사용하여 잠재적 인스턴스를 나타냅니다.
상대적 위치 정보 간과: 제안 모델은 두 단계에서 상대적 위치 정보를 활용하는 새로운 메커니즘을 도입합니다.
첫째, 후보 셀 선택을 위한 coarse 단계에서 행-열 상대 위치 인식 자기 주의 메커니즘(RowColRPA)을 사용합니다.
둘째, 최종 위치 추정을 위한 fine 단계에서 상대적 위치 인식 교차 주의 메커니즘(RPCA)을 사용합니다.
실험 결과는 제안 모델이 지상 진실 인스턴스 없이도 기존 최첨단 모델과 경쟁력 있는 성능을 달성할 수 있음을 보여줍니다.
Stats
제안 모델은 지상 진실 인스턴스 없이도 기존 최첨단 모델과 유사한 성능을 달성합니다.
제안 모델의 coarse 단계 top-1/5/10 recall은 각각 0.23/0.53/0.64로, 지상 진실 인스턴스 사용 모델 대비 27%/23%/17% 향상되었습니다.
제안 모델의 fine 단계 normalized Euclidean distance error는 0.118로, 기존 최첨단 모델 대비 2% 및 9% 감소하였습니다.
Quotes
"제안 모델은 지상 진실 인스턴스 없이도 기존 최첨단 모델과 유사한 성능을 달성합니다."
"제안 모델의 coarse 단계 top-1/5/10 recall은 각각 0.23/0.53/0.64로, 지상 진실 인스턴스 사용 모델 대비 27%/23%/17% 향상되었습니다."
"제안 모델의 fine 단계 normalized Euclidean distance error는 0.118로, 기존 최첨단 모델 대비 2% 및 9% 감소하였습니다."