PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.23541v1cs.CV

비전 기초 모델을 통한 견고한 멀티모달 3D 객체 검출

Towards robust multimodal 3D object detection via visual foundation models

멀티모달 3D 객체 검출은 LiDAR와 카메라 센서의 상보적 정보를 통합하므로 자율주행에서 견고한 인지의 기반이 된다. 그러나 기존 방법은 센서 노이즈, 악천후, 환경 변화로 인한 분포 외(out-of-distribution, OOD) 손상(corruption) 조건에서 견고성을 유지하지 못하는 경우가 많다. 이 문제를 해결하기 위해, Segment Anything Model(SAM)과 같은 비전 기초 모델(visual foundation model, VFM)을 활용하는 견고하고 일반화 가능한 멀티모달 3D 객체 검출 프레임워크 RoboDistill을 제안한다. 먼저 자율주행 영상에 SAM을 파인튜닝하여 풍부한 의미 정보를 담은 특징 표현을 추출하는 도메인 특화 사전학습(pre-training) 전략 SAM-AD를 도입한다. 둘째, AD Feature Pyramid Network(AD-FPN)를 설계하여 SAM 특징을 다중 스케일에서 정제·업샘플링하고 LiDAR 특징과 원활하게 융합한다. 셋째, 고주파 센서 노이즈는 억제하면서 중요한 문맥 정보는 보존하는 Depth-Guided Wavelet Attention(DGWA) 모듈을 개발한다. 마지막으로, 사전학습된 SAM-AD를 교사로 두고 고품질 시각 지식을 경량 포인트 클라우드 네트워크에 지식 증류(distillation)하는 KD Fusion을 도입하여 노이즈 환경에서의 견고성을 높인다. 27가지 어려운 OOD 손상 설정에 걸친 광범위한 실험에서 RoboDistill은 대표적인 최신(state-of-the-art) 방법 대비 전반적으로 더 강하거나 경쟁력 있는 검출 성능과 견고성을 보인다. 본 연구는 VFM과 3D 객체 검출 사이의 간극을 줄이고, 실제 자율주행 응용을 위한 견고한 멀티모달 인지를 발전시킨다.

arXiv:2607.12419v1cs.CV

DeGuNet: Depth-Guided Ultra-Compact Backbones for Efficient LiDAR-Camera 3D Detection

페이퍼 제목과 초록을 번역 규칙에 맞춰 정리했습니다. {"title_ko": "DeGuNet: 효율적인 LiDAR-카메라 3D 객체 검출을 위한 깊이 유도 초경량 백본", "abstract_ko": "자율주행 인식에서 LiDAR와 카메라 모달리티의 융합은 3D 객체 검출의 지배적인 패러다임이 되었다. 그러나 현재의 다중 모달리티 프레임워크는 2D 의미론적 태스크로 사전학습된 대규모 시각 백본에 크게 의존한다. 이러한 의존은 상당한 매개변수 중복과 구조적 불일치를 초래하는데, 2D 사전지식(prior)은 Bird's-Eye-View(BEV) 기하학에 필요한 LiDAR 투영의 극심한 희소성을 다루기에 부적합하기 때문이다. 이를 해결하기 위해, 우리는 깊이 유도 표현 학습을 위해 명시적으로 설계된 초경량 및 플러그 앤 플레이(plug-and-play) 이미지 백본인 DeGuNet을 제안한다. 희소성 인식 특징 추출 메커니즘을 통합함으로써, DeGuNet은 다중 뷰 이미지를 비구조적 LiDAR 깊이와 효과적으로 정렬하면서 유효하지 않은 영역의 오염을 엄격히 방지한다. nuScenes 데이터셋에 대한 광범위한 실험은 DeGuNet의 폭넓은 플러그 앤 플레이 적용성과 우수한 효율성을 입증한다. 기존 베이스라인에 통합했을 때, DeGuNet은 구조적 중복을 근본적으로 제거하여 GPU 메모리 사용량을 최대 66.5% 줄이고 1.16배의 추론 속도 향상을 달성한다. 동시에 DeGuNet은 최대 6.20의 절대 mAP 향상을 제공하여, 매개변수 효율적인 다중 모달리티 3D 인식을 위한 새로운 패러다임을 제시한다."}