실외 점 구름의 특성
주행 환경의 점 구름은 희소하며 같은 장면에서도 물체마다 점 밀도가 크게 달라질 수 있다. 작고 조밀한 실내 또는 합성 점 구름에 맞춘 표현을 그대로 사용하는 데 한계가 있을 수 있다. Voxel-MAE는 이런 실외 조건을 다룬다.
가린 복셀의 재구성
복셀 표현에 맞는 마스크 오토인코더 사전 학습을 제안한다. 트랜스포머 기반 검출망의 기반 부분이 마스크된 복셀을 복원하도록 학습한다. 복원 과제가 후속 검출 주석을 직접 대신하는 것과는 역할이 다르다.
빈 공간도 구별하기
빈 복셀과 비어 있지 않은 복셀을 구별하는 과제를 함께 사용한다. 원시 주행 자료를 활용해 주석보다 모으기 쉬운 입력의 가치를 높이는 방향이다. 후속 검출 성능은 학습 자료와 평가 조건에 맞추어 확인해야 한다.
밀도 차이의 독립 예
설명용으로 가까운 표지판에는 많은 점이 있고 먼 표지판에는 점 몇 개만 남을 수 있다. 같은 크기의 가림을 적용해도 사라지는 정보의 비중은 다를 수 있다. 실제 실험 수치를 사용하지 않은 희소 입력의 해석에 대한 예다.
관련 문서
Point-MAE / Point-BERT / VoxelNet / SECOND / PointPillars / ULIP-2