Temel Kavramlar
본 연구는 LiDAR 3D 포인트 클라우드에서 인스턴스 기반 분할을 수행하는 무감독 학습 기반 알고리즘을 제안한다. 이를 위해 멀티모달 자기지도학습 특징을 활용하여 초기 인스턴스 마스크 제안을 생성하고, 이를 자기학습 기반으로 정제한다.
Özet
본 연구는 LiDAR 3D 포인트 클라우드에서 인스턴스 기반 분할을 수행하는 무감독 학습 기반 알고리즘을 제안한다.
데이터 전처리 및 청크 추출:
LiDAR 3D 스캔과 RGB 이미지를 등록하여 밀집된 3D 포인트 클라우드를 생성한다.
계산 효율성을 위해 중첩되는 국소 3D 포인트 청크로 분할한다.
인스턴스 마스크 제안 생성:
3D 포인트에 멀티모달 자기지도학습 특징(공간, 포인트, 이미지)을 할당하고 가중치 프록시 그래프를 구축한다.
정규화된 컷 알고리즘을 사용하여 그래프를 분할하여 초기 인스턴스 마스크 제안을 생성한다.
청크 단위 인스턴스 마스크를 전체 지도 수준으로 병합한다.
인스턴스 마스크 정제:
초기 인스턴스 마스크 제안을 입력으로 하여 자기학습 기반 신경망을 통해 정제된 인스턴스 마스크를 생성한다.
실험 결과, 제안 방법은 다양한 무감독 및 감독 학습 기반 베이스라인 대비 우수한 성능을 보였다.
İstatistikler
LiDAR 3D 포인트 클라우드에는 약 60,000개의 포인트가 포함되어 있다.
청크 단위 인스턴스 마스크를 전체 지도 수준으로 병합하는 데 걸리는 시간은 약 19분이다.