PyTorchKR Papers

최신 논문

총 82편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.21138v1cs.CV

DTIF: Delaunay 삼각형 토폴로지를 이용한 복잡한 숲 환경에서의 강건한 루프 클로저 검출

DTIF: Robust Loop Closure Detection via Delaunay Triangle Topology in Complex Forests

정확한 산림 재고 조사와 대규모 매핑은 생태계 모니터링과 지속 가능한 산림 관리에 필수적이다. 다수의 저비용 엣지(edge) 플랫폼은 대규모 영역의 효율적인 데이터 수집을 가능하게 하지만, GNSS가 차단된 숲 하층 환경에서 독립적으로 구축된 로컬 맵을 병합하려면 여전히 초기화 없는 루프 클로저 검출과 전역 등록(global registration)이 필요하다. 이 과제는 저비용 LiDAR 포인트 클라우드가 희소하고 노이즈가 많으며, 반복적인 수간 배치와 뚜렷한 기하학적 랜드마크의 부재가 심각한 지각적 aliasing(perceptual aliasing)과 잘못된 대응(false correspondences)을 유발하기 때문에 어렵다. 이러한 문제를 해결하기 위해, 우리는 숲 루프 클로저 검출 및 전역 등록을 위한 경량 수간 토폴로지 기반 프레임워크인 DTIF(Delaunay Triangulation in Forests)를 제안한다. 수간은 먼저 안정적인 랜드마크로 추출되며, 간결한 장면 표현을 위해 Delaunay 토폴로지를 사용해 인코딩된다. 후보 서브맵은 변(edge) 길이 및 반경 통계를 이용해 선별되며, 이어 edge-radius 일관성 검증과 강/약 정점(vertex) 지지 집계를 통해 가중 정점 대응을 구성한다. 마지막으로, 토폴로지에서 유도된 신뢰도 가중치가 중력 정렬(gravity alignment) 하에서 요(yaw), 수평 이동(translation), 고도 이동을 각각 추정하는 분리형 강건 포즈 추정기에 통합된다. 시뮬레이션 및 실제 숲 데이터셋에 대한 실험 결과, DTIF는 낮은 계산 부담으로 정확한 등록을 달성하며, 자원 제약이 있는 엣지 플랫폼에서 강건성, 효율성, 배포 가능성 간의 유리한 균형을 제공함을 보여준다.

arXiv:2607.21089v1cs.CV

손실 지형 토폴로지가 클래스 불균형 하 3D 포인트 클라우드 분할에서 단순 기준선이 경쟁력 있는 이유를 밝히다

Loss Landscape Topology Reveals Why Simple Baselines are Competitive at 3D Point Cloud Segmentation Under Class Imbalance

3D 포인트 클라우드의 의미론적 분할은 심각한 클래스 불균형에 직면하지만, 2D 컴퓨터 비전(CV)에서 개발된 불균형 인식 전용 방법들의 효과가 3D 맥락에서 어느 정도인지는 여전히 불분명하다. 극단적(641:1) 및 중간(56:1) 불균형 비율을 갖는 데이터셋에서 11가지 불균형 완화 접근법을 체계적으로 평가한 결과, 놀라운 발견이 드러났다. 균일 가중치를 적용한 표준 교차 엔트로피는 아키텍처와 데이터셋 전반에 걸쳐 전용 방법들과 경쟁력 있는 성능을 달성하며, 일반적으로 mIoU 기준 0.8–3.3% 이내에 머문다. 오류 패턴, 결정 경계, 최적화 지형의 기하학에 대한 다각적 메커니즘 분석을 통해, 분석 결과는 불균형의 심각도가 토폴로지를 형성한다는 점을 시사한다. 극단적 불균형에서는 좁은 해 분지가, 중간 불균형에서는 평평한 고원이 형성된다. 이는 모든 방법이 이러한 기하학적 제약을 통과해야 하므로, 손실 수준 수정의 효과를 제한하는 것으로 보인다. 본 연구 결과는 실용적 지침을 제공한다. 표준 교차 엔트로피는 견고한 기준선을 제공하며, 전용 방법은 0.8–3.3% mIoU의 완만한 개선을 제공하지만 아키텍처와 데이터셋에 따라 달라지며, 부적절하게 튜닝되면 상당한 성능 저하 위험이 있다. 본 연구는 2D에서 효과가 입증된 기법들이 포인트 기반 3D 포인트 클라우드 분할로 쉽게 이전되지 않는 이유에 대한 최초의 메커니즘적 설명을 제공하며, 두 가지 대표적 아키텍처에서 검증되었다.

arXiv:2607.20748v1cs.RO

A real-time RGB-D perception pipeline for autonomous impact hammers in mining: self-filtering, rock segmentation and rock-breaking poses generation

Impact hammers, also known as rock-breakers, are essential machines in mining operations, where they perform secondary reduction. In underground mining, these machines are typically teleoperated, limiting operational efficiency. This paper presents a real-time RGB-D perception pipeline as a step towards automating the operation of hydraulic impact hammers used in mining. The proposed system simultaneously generates operationally feasible rock-breaking poses and a robot-free 3D representation of the workspace. The proposed approach combines image-based instance segmentation with geometric point cloud processing, and operates on embedded hardware at approximately 10 Hz with a total latency of around 675 ms, enabling responsive closed-loop behavior when integrated with a control system. Experimental results in a representative scaled scenario demonstrate that the proposed system is suitable for real-time autonomous impact hammer operation.

arXiv:2607.20670v1cs.CV

ODeform: Learning Continuous 4D Motion for Shape Deformation with Neural ODEs

Modeling continuous object deformation is important for many computer vision and robotics tasks, such as manipulation and simulation. Existing approaches rely on learning-based methods or physics simulators to model shape deformations. However, these approaches either use discrete time steps or are too computationally intensive for real-time applications. We present ODeform, a novel extension of Neural Ordinary Differential Equations to continuous 4D dynamics of deformable objects in 3D space. Our method transforms 3D point clouds and physical conditions (like material properties) into a unified latent space. By solving the resulting ordinary differential equations over time, we model deformations as continuous flows within this learned embedding, eliminating the need for discrete time steps while maintaining computational efficiency. We evaluate our approach on unseen physical parameter configurations, showing improved motion prediction accuracy over baseline methods. Our experiments further demonstrate a successful transfer to real 3D captured objects with novel shapes, along with effective interpolation and extrapolation of the learned dynamics. Our code and data will be made publicly available.

arXiv:2607.20660v1cs.CV

Axolotl3D: a Unified Framework for Faithful 3D Shape Completion

Recent 3D generative models produce high-quality geometry from a single image using large-scale priors and diffusion architectures. However, they assume complete visibility and single-view inputs, limiting applicability in multi-view, occluded, or editing scenarios. Although prior works address these challenges individually, they lack a unified framework for controllable 3D completion under diverse conditioning signals. We present Axolotl3D, a multi-modal and occlusion-aware 3D generation model that jointly conditions on images, visibility masks, camera parameters, and a partial point cloud. The point cloud serves as a geometric anchor promoting faithful shape completion, while camera parameters ensure consistent multi-view alignment in a shared 3D coordinate system. A unified training strategy synthesizes diverse conditioning regimes from large-scale 3D data, enabling robust cross-modal reasoning. Experiments on Toys4K and OmniObject3D demonstrate state-of-the-art performance under both clean and occluded settings, as well as strong results in real-world reconstruction and geometry-consistent editing.

arXiv:2505.06835v5cs.LG공식 코드 · Papers with Code

스트리밍 슬라이스 최적 수송

Streaming Sliced Optimal Transport

슬라이스 최적 수송(SOT), 즉 슬라이스 Wasserstein(SW) 거리는 통계적·계산적 확장성(scalability)으로 널리 알려져 있다. 본 연구에서는 샘플 스트림으로부터 SW를 추정하는 최초의 방법인 스트리밍 슬라이스 Wasserstein(Stream-SW)을 제안하여 계산적 확장성을 더욱 향상시킨다. Stream-SW를 정의하기 위해, 먼저 일차원 Wasserstein 거리(1DW)의 스트리밍 추정량을 도입한다. 1DW는 비교하는 분포들의 분위 함수(quantile function) 간 절대 차이의 적분으로 주어지는 폐형(closed-form) 표현을 갖기 때문에, 샘플 스트림에 대한 분위 근사 기법을 활용하여 스트리밍 1DW 추정량을 정의한다. 모든 투영(projection)에 스트리밍 1DW를 적용함으로써 Stream-SW를 얻는다. Stream-SW의 핵심 장점은 근사 오차에 대한 이론적 보장을 제공하면서도 메모리 복잡도가 낮다는 점이다. 스트리밍 샘플로부터 가우시안 분포 및 가우시안 혼합분포를 비교할 때, Stream-SW가 무작위 부분 샘플링(random subsampling)보다 더 정확한 SW 근사를 더 낮은 메모리 소비로 달성함을 보인다. 또한 포인트 클라우드 분류, 포인트 클라우드 그래디언트 흐름, 스트리밍 변화점 탐지(change point detection) 실험을 수행하여 제안한 Stream-SW의 우수한 성능을 추가로 입증한다.

arXiv:2607.19711v1cs.CV

강건한 포인트 클라우드 분류를 위한 포인트 선택 미세조정 프레임워크

Point-Selection Fine-Tuning Framework for Robust Point Cloud Classification

노이즈가 있거나 손상된 포인트는 포인트 클라우드 인식 성능을 크게 저하시킬 수 있으며, 특히 까다로운 손상 설정에서 두드러진다. 특히 3D 사전학습 모델의 전체 미세조정은 이상치의 영향을 증폭하고 사전학습 중 학습된 강건성 사전 지식을 덮어쓸 수 있으며, 단순한 매개변수 효율적 적응은 손상된 토큰에 여전히 민감하다. 이 문제를 해결하기 위해, 우리는 강건성을 향상하면서 매개변수 효율성을 유지하는 포인트 선택 미세조정 프레임워크인 PSFT를 제안한다. PSFT는 먼저 풀링 전 특징으로부터 포인트별 영향력을 추정하고, 이상치를 억제하기 위해 영향력이 최소인 포인트를 적응적으로 유지한다. 선택된 부분집합을 기반으로 프롬프트 생성 분기는 층별 프롬프트 토큰을 예측하고 이를 고정된 백본에 주입하여 경량 하류 적응을 수행한다. 선택 이후 잔존 노이즈를 더 완화하기 위해, 예측 전 패치-토큰 표현을 정제하기 위해 병목 MLP 변환과 Beta 게이트 잔차 블렌딩을 갖춘 경량 특징 필터를 추가한다. 광범위한 실험 결과 PSFT는 테스트된 모든 3D 사전학습 백본에서 ModelNet-C 및 ModelNet40-C의 손상 오류를 일관되게 감소시키며, 평가된 튜닝 전략 중 ULIP-2와 Uni3D-B로 ScanObjectNN-C에서 최고 성능을 달성한다. 구현은 https://github.com/CVChMA/PSFT/tree/master 에서 확인할 수 있다.

arXiv:2607.13891v1cs.LG

PiVoT: 심한 클러터 환경에서의 실시간 대규모 다중 객체 검출 및 추적을 위한 변분 해법

PiVoT: A Variational Solution for Real-time Large-scale Multi-object Detection and Tracking under Heavy Clutter

노이즈가 많은 포인트 클라우드에서의 다중 객체 검출 및 추적은 데이터가 부족한 많은 레이더 응용에서 여전히 어려운 과제입니다. Poisson 측정 모델에 기반한 기존 베이지안 추적기는 학습이 필요 없는 해법을 제공하지만, 심한 클러터, 대규모 객체 집단, 전 해상도 Doppler 포인트 클라우드 환경에서는 정확도와 효율성을 동시에 달성하기 어렵습니다. 본 연구는 위치 및 Doppler 측정 모두에 대해 빠르고 클러터에 강건한 다중 객체 추적기인 PiVoT로 이를 해결합니다. PiVoT는 객체 상태, 형상, 존재 확률, 데이터 연관, 측정률을 공동 추론함으로써, 외부 클러스터링이나 검출기 없이 대규모이며 시간에 따라 변하는 수의 객체에 대한 엔드투엔드 검출 및 추적을 수행합니다. 그 효율성은 이론적으로 정당화된 birth 가지치기, 정확한 갱신을 위한 2차에서 선형으로의 복잡도 축소, 계산 효율적인 Doppler Poisson 모델 등 여러 변분 추론 혁신에 의해 이끌립니다. 실험 결과 PiVoT는 도전적인 장면에서 기존 베이지안 추적기를 크게 능가하며, 천 개 객체에 대한 뛰어난 확장성, 객체와 시각적으로 구분 불가능한 클러터에 대한 강건성, 전체 규모의 현대 자동차 레이더 데이터셋에서의 실시간 동작을 보여주었고, 학습이 필요 없는 공동 검출기 및 추적기로서 딥러닝 검출 벤치마크에 필적하는 성능을 달성했습니다.

arXiv:2607.14463v1cs.LG

LiDAR 포인트 클라우드 분류를 위한 동역학 시스템 오토인코더의 깊이 의존적 은닉 상태 붕괴

Depth-Dependent Hidden-State Collapse in Dynamical System Autoencoders for LiDAR Point-Cloud Classification

우리는 공간 좌표와 Product Coefficient 특징 증강을 사용하여 LiDAR 포인트 클라우드 분류를 위한 동역학 시스템 오토인코더(DSAE)를 연구한다. 실험에서는 인코더 깊이 $K=1,\ldots,5$에서 별도로 학습된 DSAE 아키텍처를 비교하고, Random Forest, kNN, 그리고 다수 클래스 Dummy 기준선으로 결과 은닉 표현을 평가한다. 주요 발견은 $K=5$에서의 은닉 상태 붕괴이다. xyz 입력과 xyz plus Product Coefficient 입력 모두에서 은닉 상태 표준편차는 $10^{-5}$ 크기까지 떨어지며, 세 분류기 모두 동일한 macro F1 점수 $0.224688$에 도달한다. 우리는 클래스 간 은닉 산포가 전체 은닉 산포에 의해 상한이 정해지며, 이는 다시 보고된 은닉 상태 분산에 의해 제어됨을 증명한다. 따라서 거의 일정한 은닉 표현은 상당한 클래스 분리 구조를 유지할 수 없다. Product Coefficient는 현재 DSAE 설정에서 붕괴 이전 macro F1을 개선하지도 않고 $K=5$ 붕괴를 방지하지도 않는다. 이 결과는 큰 깊이에서의 표현 붕괴가 DSAE LiDAR 분류의 구체적인 실패 모드임을 밝힌다.

arXiv:2607.14419v1cs.LG

HyperShadow: 고차원 공간 객체의 3D 투영 탐지 벤치마크

HyperShadow: A Benchmark for Detecting 3D Projections of Higher-Dimensional Spatial Objects

머신러닝에서 "4D"로 표기된 데이터셋은 보편적으로 세 개의 공간 차원과 시간을 의미한다. 우리는 HyperShadow를 제안한다. 이는 네 번째, 다섯 번째, 여섯 번째 차원이 공간 차원인 최초의 공개 벤치마크로, 3D 포인트 클라우드가 원래의 3차원 형상인지, 아니면 R^N(N = 4-6)에 존재하는 강체 객체의 투영, 즉 "그림자(shadow)"인지를 판별하는 과제를 다룬다. 이 과제가 고유 차원(intrinsic-dimension) 추정과 근본적으로 다름을 보인다. 그림자는 여전히 최대 3차원 데이터이며, 표준 추정기(TwoNN, Levina-Bickel MLE)는 71-73%의 정확도에 그친다. 대신 탐지에는 투영 시그니처, 밀도 접힘(density folds), 특징적인 방사형 프로파일을 갖는 채워진 부피, 위상 변화가 필요하며, 190k-매개변수 포인트 네트워크가 네 가지 손상(corruption) 등급에서 96.6% 정확도로 이를 회복하고, 학습에서 한 번도 보지 못한 객체 패밀리에 대해 79-91%로 일반화한다. 강체로 회전하는 객체의 시간적(temporal) 트랙에서, 우리는 매개변수 없는 강체성 증인(rigidity witness)을 도입한다. 이는 연속 프레임 간 최적 강체 3D 정렬(Kabsch)의 잔차(residual)로, 어떤 강체 3D 운동에 대해서도 0이 되어야 하지만 R^N에서의 강체 회전 그림자에 대해서는 0이 될 수 없다. 이 단일 해석 가능한 통계량은 AUROC 0.982로 클래스를 분리한다. 모든 데이터는 시드(seed)로부터 재현 가능하게 생성되며, 데이터셋, 모델, 코드는 공개적으로 배포된다. HyperShadow는 물리적 현실에 대한 주장을 하지 않으며, 순수하게 3차원적 설명과 양립할 수 없음을 어떤 관측 가능 통계가 증명할 수 있는지 연구하기 위한 통제된 도구이다.

arXiv:2509.08685v2eess.IV

3D 포인트 클라우드 속성 코딩을 위한 희소성 유도 속도-왜곡 최적화(RDO)의 딥 언롤링

Deep Unrolling of Sparsity-Induced RDO for 3D Point Cloud Attribute Coding

디코더에서 사용 가능한 인코딩된 3D 포인트 클라우드 기하학이 주어졌을 때, 우리는 다중 해상도 B-스플라인 투영 프레임워크에서 손실 속성 압축 문제를 연구한다. 목표 연속 3D 속성 함수는 먼저 중첩 부분공간 $\mathcal{F}^{(p)}_{l_0} \subseteq \cdots \subseteq \mathcal{F}^{(p)}_{L}$의 수열 위로 투영되며, 여기서 $\mathcal{F}^{(p)}_{l}$은 선택된 스케일에서 차수 $p$의 B-스플라인 기저 함수와 그 정수 이동에 의해 생성(span)되는 함수군이다. 투영된 저역통과 계수 $F_l^*$는 속도-왜곡(RD) 최적화 알고리즘을 순전파 신경망으로 가변 복잡도 언롤링하여 계산되며, 여기서 속도(rate) 항은 희소성을 촉진하는 $\ell_1$-노름이다. 따라서 투영 연산은 end-to-end 미분 가능하다. 선택된 coarse-to-fine 예측기에 대해, 계수는 더 낮은 해상도에서 더 높은 해상도로의 예측을 반영하도록 조정되며, 이 또한 데이터 기반 방식으로 최적화된다.

arXiv:2607.01435v2cs.CV

허공에 서명하여 잠금 해제: 포인트-복셀 크로스 어텐션 네트워크 기반 가상 및 증강 현실 인증 인터페이스

Sign in the Air to Unlock: An Interface for authentication in Virtual and Augmented Reality Powered by Point-Voxel Cross-Attention Network

가상 및 증강 현실(VR/AR)과 같은 몰입형 기술의 급격한 발전과 현대 생활 다양한 영역으로의 통합은 안전하고 직관적이며 체화된 상호작용과 호환되는 인증 인터페이스를 필요로 한다. 비밀번호, PIN, 기기 기반 로그인과 같은 전통적인 방식은 몰입감을 깨뜨리고 외부 하드웨어에 의존한다. 손 제스처, 시선 추적, 뇌전도(EEG) 기반 방식과 같은 최근의 3D 특화 행동 기반 접근법은 유망한 대안을 제시하지만, 전용 센서를 필요로 하거나 자연스러운 움직임을 제한하는 경우가 많아 동적 환경에서의 사용성이 떨어진다. 본 논문에서는 사용자가 3D 공간에서 자연스럽게 서명함으로써 인증할 수 있는 공중 서명 인터페이스인 Sign in the Air to Unlock을 제안한다. 이는 친숙하고 개인적이며 재현 가능한 제스처를 활용한다. 이 인터페이스를 구현하기 위해, 3D 궤적으로부터 지역적 동작 다이나믹스와 전역적 공간 구조를 통합적으로 모델링하는 포인트-복셀 크로스 어텐션 네트워크(PV-Net)를 설계하였다. 모델은 두 가지 데이터셋에서 평가되었다: 공개 DeepAirSig 데이터셋(40명 사용자의 서명 1,800개)과 Meta Quest 2를 활용한 몰입형 VR 환경에서 수집된 새로운 데이터셋인 ImmAirSig(22명 사용자의 샘플 880개). PV-Net은 DeepAirSig에서 Equal Error Rate 2.5%, ImmAirSig에서 분류 정확도 76%를 달성하였다. 이러한 결과는 몰입형 환경에서 보안과 자연스러운 상호작용을 융합하는 원활하고 사용자 중심적인 인증을 위한 3D 행동 기반 인터페이스의 잠재력을 보여준다.

arXiv:2603.03892v2cs.CV

쐐기 문자판 메타데이터 분류를 위한 새로운 네트워크

A novel network for classification of cuneiform tablet metadata

본 논문에서는 쐐기 문자판 메타데이터를 분류하기 위한 네트워크 구조를 제안한다. 이 문제는 실용적으로 중요하다. 기존 코퍼스의 규모가 이를 분석할 수 있는 전문가 수를 훨씬 웃돌기 때문이다. 그러나 주석이 달린 데이터셋이 제한적이라는 점과 각 문자판의 고해상도 포인트 클라우드(point cloud) 표현이 결합되면서 이 과제는 어려워진다. 이를 해결하기 위해, 우리는 포인트 클라우드를 점진적으로 축소하면서 지역 이웃 정보를 통합하는 합성곱에서 영감을 받은 아키텍처를 개발한다. 최종적으로 축소된 포인트 클라우드는 특징 공간에서 이웃을 계산하여 전역 정보를 포함하도록 처리한다. 우리 방법은 최신 트랜스포머 기반 네트워크 Point-BERT와 비교되며, 일관되게 최고 성능을 달성한다. 소스 코드와 데이터는 github.com/fhagelskjaer/cuneiform3d에서 이용할 수 있다.

arXiv:2505.09433v3cs.CV

스캔 직렬화를 통한 효율적인 LiDAR 반사율 압축

Efficient LiDAR Reflectance Compression via Scanning Serialization

LiDAR 포인트 클라우드의 반사율(reflectance) 속성은 하류(downstream) 작업에 필수적인 정보를 제공하지만, 신경 압축(neural compression) 방법에서는 여전히 충분히 연구되지 않았다. 이를 해결하기 위해, LiDAR 반사율의 고유 특성을 충분히 활용하기 위한 직렬화(serialization) 기반 신경 압축 프레임워크인 SerLiC를 제안한다. SerLiC는 먼저 스캔 순서(scan-order) 직렬화를 통해 3D LiDAR 포인트 클라우드를 1D 시퀀스로 변환하여, 반사율 분석을 위한 장치 중심(device-centric) 관점을 제공한다. 그다음 각 포인트는 센서 스캐닝 인덱스, 방사 거리(radial distance), 이전 반사율을 포함하는 문맥적 표현(contextual representation)으로 토큰화(tokenization)되어, 의존성 탐색을 효과적으로 수행한다. 효율적인 순차 모델링(sequential modeling)을 위해 Mamba를 이중 병렬화(dual parallelization) 방식과 함께 통합하여, 자기회귀(autoregressive) 의존성 포착과 빠른 처리를 동시에 가능하게 한다. 광범위한 실험 결과, SerLiC는 원본 반사율 데이터 대비 2배 이상의 용량 감소(volume reduction)를 달성하며, 최신(state-of-the-art) 방법 대비 압축 비트(compressed bits)를 최대 22% 더 줄이면서 파라미터는 단 2%만 사용한다. 또한 SerLiC의 경량(lightweight) 버전은 111K 파라미터만으로 초당 10프레임(frames per second, fps) 이상을 달성하여, 실제 응용에 매력적이다.

arXiv:2607.12110v1cs.CV

ACZ-GSeg: LiDAR 포인트 클라우드를 위한 적응형 동심 구역 기반 2단계 지면 분할

ACZ-GSeg: Adaptive Concentric Zone-based Two-stage Ground Segmentation for LiDAR Point Clouds

지면 분할은 지상 이동 플랫폼에서 자율 주행, 환경 인식, 객체 검출을 위한 기본적인 전제 조건이다. 희소한 장거리 포인트 클라우드, 지면 요철, 복잡한 도로 시나리오에서 비지면 구조물의 간섭으로 인한 지면 점의 과소 분할(under-segmentation) 문제를 해결하기 위해, 본 논문은 적응형 동심 구역(Adaptive Concentric Zone) 모델 기반의 2단계 지면 분할 방법을 제안한다. 먼저, 각 링(ring)의 섹터(sector) 수를 동적으로 결정하여 보다 균형 잡힌 점 분포를 갖는 국소 구역을 형성하는 적응형 동심 구역 모델을 구축한다. 이 모델을 기반으로 2단계 지면 분할 방법을 개발한다. 1차(거친) 분할 단계에서는 최저 높이 시드(seed) 제약과 높이 감쇠(height-decay) 가중치를 도입하여 가중 주성분 분석(PCA) 평면 적합 모델을 구성하고, 이로부터 지면 후보 점들을 추출한다. 2차(정밀) 분할 단계에서는 반사 강도(reflectance intensity) 일관성 제약을 사용하여 고신뢰 지면 점과 불확실 점을 구별하고, 불확실 점은 고신뢰 이웃의 국소 높이 안정성에 기반하여 추가로 정제한다. 실험 결과, 제안 방법은 SemanticKITTI 데이터셋에서 정밀도(Precision), 재현율(Recall), F1-score가 각각 99.12%, 96.24%, 97.66%를 달성했으며, RUBY-PLUS로 수집한 자체 포인트 클라우드에서는 각각 98.72%, 100.00%, 99.36%를 기록했다. 결과는 제안 방법이 근거리에서는 밀집하고 원거리에서는 희소한 LiDAR 포인트 클라우드의 거리 의존적 분포 특성에 효과적으로 적응할 수 있음을 보여준다. 또한 지면 점 재현율을 유지하면서 비지면 점의 오분류를 줄여, 지면 분할의 안정성을 효과적으로 향상시킨다.

arXiv:2607.10762v1cs.CV

TOLiD: 증류를 위한 토큰 리프팅을 통한 비전 파운데이션 모델에서 LiDAR 사전학습으로의 아키텍처 격차 해소

TOLiD: Bridging the Architecture Gap in Vision Foundation Model to LiDAR Pretraining via Token Lifting for Distillation

비전 파운데이션 모델(VFM)에서 LiDAR 백본으로의 크로스 모달 증류는 최근 3D 장면 이해를 위한 밀집 포인트별 어노테이션 의존도를 줄이는 자기지도 사전학습 전략으로 부상하고 있다. 그러나 기존의 증류 파이프라인은 일반적으로 VFM을 동결된 특징 소스로 취급하고 고정된 이미지 임베딩에 매칭하도록 이질적인 3D 백본을 학습시키며, 이는 학생 모델로 하여금 밀집 ViT 토큰 표현과 희소 3D 인코더 사이의 모달리티 격차와 크로스 아키텍처 격차를 동시에 극복하도록 강요한다. 우리는 TOLiD를 제안한다. 이는 LiDAR 표현 학습을 위한 자기지도 사전학습 방법으로, LiDAR 백본을 동결된 VFM 교사로부터 초기화된 학생 비전 트랜스포머(ViT)와 결합하고 호환 가능한 패치 토큰 표현에 대한 감독을 적용함으로써 이 격차를 해소한다. TOLiD는 각 이미지 패치 프러스텀(frustum) 내의 포인트 특징 집합을 Frustum Pooling에 이어 Frustum Attention을 통해 토큰으로 변환하고, 가시성 마스킹을 통한 토큰 수준 증류를 수행한다. LiDAR 전용 배포를 위해서는 LiDAR 포인트가 부족한 패치를 피하기 위해 마스킹된 이중선형 샘플링(masked bilinear sampling)을 사용하여 토큰 특징을 포인트별 표현으로 다시 리프팅한다. 우리는 TOLiD를 다섯 개의 이질적인 LiDAR 데이터셋과 네 개의 크로스 센서 적응 쌍에서 광범위하게 평가하여, 동결된 백본과 경량 헤드를 통한 향상된 전이 성능을 입증한다.

arXiv:2607.10544v1cs.CV

물리학에서 영감받은 의사 이상 생성 및 프로토타입 특징 가이던스를 통한 3D 이상 탐지

Physics-inspired Pseudo Anomaly Generation and Prototype Feature Guidance for 3D Anomaly Detection

3D 포인트 클라우드 이상 탐지는 산업 제조에서 중요한 역할을 하지만, 실제 이상 샘플의 희소성과 높은 획득 비용으로 인해 상당한 어려움에 직면해 있다. 본질적으로 이상이 없는 학습 데이터는 탐지 방법이 정상 및 비정상 인스턴스 간의 판별적 특징을 효과적으로 학습하는 것을 더욱 방해한다. 이러한 문제를 해결하기 위해, 우리는 정상 데이터로부터 물리적으로 타당한 이상 샘플을 생성하는 물리학에서 영감받은 의사 이상 생성 전략을 도입한 새로운 프레임워크 PA3AD를 제안한다. 또한, 가중치 공유 메커니즘을 통해 프로토타입 특징을 통합하여 모델이 정상 및 이상 샘플 간의 분포 변화를 포착하도록 유도한다. 구체적으로, PA3AD는 실제 이상의 희소성을 해결하기 위해 두 가지 핵심 혁신을 도입한다. 첫째, 물리학에서 영감받은 모듈이 다중 물리 모델링을 통해 정상 데이터로부터 다양한 의사 이상 포인트 클라우드를 생성한다. 둘째, 모멘텀 업데이트 프로토타입과 차이 인식 융합 블록이 안정적인 정상 표현과 의사 이상과의 불일치를 포착한다. 이 설계는 분포 변화를 효과적으로 학습하여 우수한 탐지 성능을 달성한다. Anomaly-ShapeNet 및 Real3D-AD 데이터셋에 대한 광범위한 실험을 통해 우리의 방법이 기존 최첨단 방법들을 일관되게 능가함을 입증한다. 코드는 https://github.com/NingxiaoJian/PA3AD 에서 공개될 예정이다.

arXiv:2607.10461v1cs.CV

어노테이션 없는 가구 코드: 무엇을 인코딩하며, 얼마나 전이되는가

Annotation-Free Furniture Codes: What They Encode, and How Far They Transfer

레이아웃 기반 3D 장면 합성기는 범주형 클래스 레이블과 정준 포즈 규약이라는 두 가지 인간 어노테이션 채널을 사용하여 각 객체를 배치한다. 본 연구에서는 객체 기하학에서 도출된 단일 자기지도(self-supervised) 토큰이 이 두 채널을 대체할 수 있는지를 탐구하며, 그러한 토큰을 합성기와 분리하여 표현(representation) 그 자체로서 직접 연구한다. 유한 스칼라 양자화(FSQ) 포인트 클라우드 오토인코더를 레이블이나 포즈 어노테이션 없이 배치된 3D-FUTURE 가구 데이터에 대해 챔퍼(chamfer) 손실로 학습한다. 진단용 프로브는 코드만으로 세부 범주(62.6 ± 0.5%), 상위 범주(85.6 ± 1.3%), 요(yaw)(52.7 ± 0.5도)를 복원한다. 챔퍼 목표를 회전된 포인트 클라우드에서 비회전 포인트 클라우드로 교체하면 요 신호가 소멸되는 반면 클래스 복원율은 향상되며, 이는 코드의 회전 정보가 학습 목표에 의해 제어될 수 있음을 보여준다. 에셋 라이브러리 전반으로의 확장에는 전이 가능한 코드가 필요하다. 미지 데이터셋(ShapeNet)에서의 정렬은 범주에 따라 달라지는데, 박스형 가구는 전이가 잘 되는 반면 유기적 형태의 가구는 그렇지 않으며, 목표 비의존적 증강(target-blind augmentation)이 이 격차를 부분적으로 좁혀준다.

arXiv:2506.22784v2cs.CV

지도 학습 기반 크로스 모달 특징 매칭을 통한 단일 프레임 포인트-픽셀 정합

Single-Frame Point-Pixel Registration via Supervised Cross-Modal Feature Matching

LiDAR 포인트 클라우드와 카메라 이미지 간의 포인트-픽셀 정합(point-pixel registration)은 자율주행 및 로봇 인식에서 근본적이면서도 어려운 과제입니다. 핵심적인 난점은 비정형 포인트 클라우드와 정형 이미지 간의 모달리티 격차에 있으며, 특히 희소한 단일 프레임 LiDAR 환경에서 더욱 두드러집니다. 기존 방법들은 포인트 클라우드와 이미지에서 각각 특징(feature)을 추출한 후 수작업 또는 학습 기반 매칭 전략에 의존합니다. 이러한 분리 인코딩 방식은 모달리티 격차를 효과적으로 해소하지 못하며, 더 중요하게는 단일 프레임 LiDAR의 희소성(sparsity)과 노이즈 문제에 취약하여 신뢰성 향상을 위해 포인트 클라우드 누적이나 추가적인 사전 정보를 필요로 하는 경우가 많습니다. 최근 디텍터 프리(detector-free) 매칭 패러다임의 발전에서 영감을 받아, 우리는 프로젝션 기반 접근법을 재고하고 LiDAR와 카메라 뷰 간의 직접적인 포인트-픽셀 매칭을 위한 디텍터 프리 프레임워크를 도입합니다. 매칭 신뢰성을 더욱 향상시키기 위해, 소프트 가시성 사전 정보(soft visibility prior)로 작동하는 반복성 점수화 메커니즘(repeatability scoring mechanism)을 도입합니다. 이는 네트워크가 강도 변화가 낮은 영역에서 신뢰할 수 없는 매칭을 억제하도록 유도하여 희소한 입력에 대한 강건성을 향상시킵니다. KITTI, nuScenes, MIAS-LCEC-TF70 벤치마크에 대한 광범위한 실험을 통해, 우리의 방법이 단일 프레임 LiDAR만을 사용함에도 불구하고 누적 포인트 클라우드에 의존하는 방법들을 포함한 기존 접근법들을 nuScenes에서 능가하며 최첨단 성능을 달성함을 입증합니다.

arXiv:2607.08391v1cs.RO

LiDAR 객체 검출을 위한 애니타임 입력 해상도 스케일링 탐구

On Exploring Input Resolution Scaling For Anytime LiDAR Object Detection

LiDAR 포인트 클라우드 기반 3D 객체 검출 DNN에 애니타임 컴퓨팅(anytime computing)을 적용하기 위해, 단일 모델로 다중 해상도 추론을 가능하게 하는 프레임워크 MURAL을 제안한다. 데드라인 인식 스케줄러를 통해 런타임에 최적 해상도를 동적으로 선택하며, nuScenes 데이터셋과 자율주행 시뮬레이션 실험에서 기존 애니타임 방법 대비 우수한 정확도-지연 시간 트레이드오프를 달성함을 입증했다.