PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.27671v1cs.CV

SGDet3D++: 4D 레이더와 카메라 3D 객체 검출을 위한 기하학 기반 의미론

SGDet3D++: Geometry-Grounded Semantics for 4D Radar and Camera 3D Object Detection

4D 레이더는 장거리 기하학과 방사 방향(radial) 운동으로 조밀한 이미지 의미 정보를 보완하지만, 기존 레이더–카메라 검출기는 대체로 모달리티를 어디에(where) 정렬할지만 다루고, 어떤 증거가 진화하는 객체 가설을 지지하는지(whether)는 암묵적으로 남겨 둔다. 이미지 토큰은 가림체(occluder)를 설명할 수 있고, 인근 레이더 반환(return)은 다른 객체에 속할 수 있으며, 자세 정렬(pose-aligned) 메모리 슬롯은 양립하지 않는 운동 정보를 담을 수 있다. 본 연구는 후보 접근과 증거 사용을 분리하는 가설 조건 증거 그라운딩(hypothesis-conditioned evidence grounding)을 제안한다. 의미·기하·시간 증거는 해당 쿼리를 갱신하기 전에 진화하는 3D 상태에 의해 필터링되거나 조건화된다. SGDet3D++는 앵커와 일관된 레이더 지원을 풀링하여 가변(deformable) 이미지 검색을 조건화하는 AGR(Anchor-Grounded Semantic Retrieval), 개별 연관 반환을 어텐션(attention)으로 집계하는 GCR(Geometry-Consistent Anchor Refinement), 현재 방사 방향 운동이 이력과 모순될 때만 이력을 교체하는 DVC(Doppler-Verified Correspondence)를 통해 이 원칙을 구현한다. SGDet3D++는 OmniHD-Scenes에서 비교 대상 중 최강 방법 대비 mAP 3.82, ODS 6.82만큼, ManTruckScenes에서는 mAP 6.82, NDS 9.22만큼 개선했으며, TJ4DRadSet 테스트 비교에서도 나열된 방법들 가운데 최고 성능을 기록했다. 메커니즘 대상 평가에서 AGR은 모든 투영 가림(projected-occlusion) 구간에서 strict AP를 향상시켰고, yaw 정렬 박스 게이트는 target-return 순도를 29.95%에서 58.87%로 높였으며, DVC는 운동 일관 이력의 96.11%를 보존하면서 모순 재현율 75.90%를 유지했다. 코드는 공개될 예정이다.