UNION: 객체 외형 기반 의사 클래스의 비지도 3D 물체 탐지

비지도 3D 물체 탐지 방법은 훈련을 위한 수동 레이블 없이 방대한 양의 데이터를 효율적으로 활용하기 위해 등장했습니다. 최근 접근법은 동적 물체를 사용하여 물체를 탐지하는 학습에 의존하지만, 훈련 중 정적 인스턴스의 탐지를 패널티 처리합니다. 탐지된 정적 인스턴스를 훈련 목표 집합에 추가하는 여러 차례의 (자기) 훈련이 사용되며, 성능을 향상시키기 위한 이 절차는 계산적으로 비쌉니다. 이를 해결하기 위해 우리는 방법 UNION을 제안합니다. 우리는 공간 클러스터링과 자기 감독적 장면 흐름을 사용하여 LiDAR에서 정적 및 동적 물체 제안을 얻습니다. 이후, 물체 제안의 시각적 외형을 인코딩하여 동적 물체와 시각적으로 유사한 정적 인스턴스를 선택하여 전경과 배경의 정적 물체를 구별합니다. 그 결과, 정적 및 동적 전경 물체가 함께 얻어지고, 기존 탐지기는 단일 훈련으로 훈련될 수 있습니다. 또한, 우리는 물체 외형 기반 클러스터 레이블을 물체 분류의 훈련을 위한 의사 클래스 레이블로 사용하여 3D 물체 발견을 탐지로 확장합니다. 우리는 nuScenes 데이터셋에서 광범위한 실험을 수행하고 비지도 물체 발견을 위한 최첨단 성능을 향상시켰으며, 즉 UNION은 평균 정확도를 33.9로 두 배 이상 증가시킵니다. 코드는 공개될 예정입니다.