객체 수준의 추상화
많은 삼차원 장면은 서로 다른 강체가 움직이는 집합으로 설명할 수 있다. 연구는 장면 흐름을 다른 삼차원 작업과 함께 다루는 신경망으로 객체 수준의 관계를 추론한다.
감독 정보의 단순화
점마다 조밀한 흐름 정답을 요구하는 대신 배경을 나누는 이진 마스크와 자차 운동 표지를 활용한다. 정답 흐름이 없는 대규모 주행 자료에도 적용하기 위한 설계다.
두 수준의 출력
모델은 점별 흐름이라는 낮은 수준의 단서와 강체 객체 수준의 장면 이해를 함께 제공한다. 전체 점의 움직임을 하나의 변환으로 제한하는 단순 정합과도 구별된다.
시험 중의 정교화
예측한 강체 장면 흐름을 시험 시점 최적화로 정교화하는 방법도 제안했다. 논문은 네 종류의 자율주행 자료에서 효과와 일반화를 평가했다.
관련 문서
RAFT-3D / FlowNet3D / SCOOP 장면 흐름 / 약한 지도 학습 / 기하 정합 / 점군