적은 범주의 한계
적은 범주만 구분하는 평가로는 실제 실내 공간의 다양한 대상을 충분히 반영하기 어렵다. 이 연구는 의미 범주를 늘려 더 넓은 어휘의 장면 이해를 시험하려 했다.
범주 수와 불균형
범주가 많아지면 일부 대상은 자주 나오고 다른 대상은 적은 예시만 갖게 된다. 전체 성능뿐 아니라 드문 물체를 얼마나 잘 구별하는지도 중요한 문제가 된다.
함께 제시한 언어 사전 학습
원 연구는 적은 예시의 삼차원 특징이 사전 학습 텍스트 임베딩에 가까워지도록 하는 방법도 제안했다. 벤치마크와 이 학습 방법은 같은 논문에 제시됐지만 서로 다른 역할을 한다.
지표와 학습 조건
논문은 제한된 주석을 쓰는 조건까지 포함해 의미 분할을 비교했다. 사용한 주석 비율과 상대 개선 및 절대 지표를 구별해야 다른 방법과 공정하게 비교할 수 있다.
관련 문서
ScanNet / 의미 분할 / 불균형 데이터 / OpenMask3D / Open3DIS / OpenScene