그래프-트랜스포머 백본을 활용한 3D 키포인트 검출을 위한 학습 기반 억제 기법
Learned Suppression for 3D Keypoint Detection with a Graph-Transformer Backbone
3D 키포인트 검출은 컴퓨터 비전(CV) 분야에서 오랫동안 지속되어 온 난제입니다. 대부분의 검출기는 학습되지 않은 휴리스틱 후처리 단계로 마무리됩니다. 본 논문에서는 방향성 그래프 신경망으로 확장한 Point Transformer 백본과 결합하여, 학습 기반 억제 모듈로 이러한 후처리 단계를 개선한 3D 키포인트 검출기를 제안합니다. 이 모듈은 후보군을 대상으로 어떤 것을 유지하고 어떤 것을 억제할지, 그리고 남은 키포인트를 어떻게 재배치할지 학습하는 그래프 네트워크입니다. 세 가지 백본과 결합했을 때, DBSCAN 및 탐욕적 비최대 억제(NMS) 대비 성능을 향상시키며, 원시 기하학 정보 대신 후보 특징을 기반으로 작동하므로 구조적 키포인트와 의미론적(semantic) 키포인트 모두에 동일한 정식화가 적용됩니다. 제안하는 모델은 16개의 KeypointNet 카테고리 중 12개에서 카테고리별로 학습된 KeypointDETR을 능가하고, Building3D Entry-Level 벤치마크에서 최고 Corner F1을 달성하며, 더 큰 Tallinn 분할 데이터셋에서도 BWFormer와 대등한 경쟁력을 유지합니다. GitHub 구현체: https://github.com/cansdev/learned-suppression-3d.