복셀 안의 점을 표현하기
같은 복셀에 속한 여러 점을 통합된 특징으로 바꾼다. 점 개수와 높이 등을 사람이 정한 값만으로 요약하는 대신 데이터에서 표현을 학습한다. 복셀 크기를 고르는 결정과 그 안의 특징을 학습하는 결정은 서로 다르다.
원소 수의 예
가로와 세로가 각각 4m, 높이가 2m인 공간을 한 변 0.5m의 복셀로 나누면 8×8×4=256칸이다. 높이 방향을 한 칸으로 묶는 기둥 표현과는 구분된다. 모든 칸이 관측점을 포함하는 것은 아니며 이 계산은 실제 모델 설정이 아니다.
표현에서 검출로
복셀 특징을 공간의 부피 표현으로 구성하고 영역 제안 네트워크에 연결해 검출을 얻는다. 출력 경계 상자는 물체의 위치와 크기를 나타내는 근사 표현이다. 물체 표면의 상세 메시를 복원하는 작업과는 목적이 다르다.
해상도와 정보 손실
복셀을 크게 잡으면 가까운 점들이 같은 칸으로 묶일 수 있다. 작게 잡으면 공간 표현의 크기와 계산 부담이 커질 수 있다. 범주와 거리별 검출 성능을 확인하고 먼 물체의 희소한 관측이나 가림 조건에서 빠진 검출도 살펴본다.
관련 문서
PV-RCNN / PointPillars / VoteNet / PointNet / KPConv / 합성곱 신경망