실제 흐름 자료의 규모
실제 환경의 정답 라이다 자료가 적으면 학습 성능의 범위도 제한될 수 있다. 연구는 추적된 삼차원 객체에서 장면 흐름 정답을 구성하는 대규모 자료를 제안했다.
다운샘플링의 영향
논문은 점을 줄여 처리하는 기존 관행이 흐름 성능을 떨어뜨릴 수 있다고 분석했다. FastFlow3D는 전체 점군을 다룰 수 있는 모델 구조로 이러한 문제에 대응한다.
처리 속도의 평가
연구는 전체 점군에서 실시간 추론을 목표로 한 구조와 실험 결과를 제시했다. 실제 지연 시간은 입력 크기와 계산 환경에 따라 달라지므로 모델 이름만으로 동일한 속도를 뜻하지는 않는다.
해석 가능한 지표
자차의 움직임을 고려하고 객체 종류별 결과를 나누는 평가를 제안했다. 장면 전체의 평균 오차만으로 가려질 수 있는 실제 운동 추정의 차이를 살피려는 구성이다.
관련 문서
FlowNet3D / HPLFlowNet / 신경 장면 흐름 사전 / MemReg 점군 정합 / 라이다 / 점군