OpenBox: 3차원에서 임의의 경계 상자 어노테이션 생성하기
OpenBox: Annotate Any Bounding Boxes in 3D
비지도 및 오픈 보캐블러리(open-vocabulary) 3D 객체 검출(3D object detection)은 특히 자율주행 분야에서 최근 주목받고 있으며, 어노테이션 비용 절감과 미학습 객체 인식이 안전성과 확장성 모두에 핵심적입니다. 그러나 기존 접근 방식 대부분은 객체의 물리적 상태를 무시한 채 3D 경계 상자(bounding box)를 일률적으로 어노테이션하고, 어노테이션 개선을 위해 다중 자기 학습(self-training) 반복을 요구하므로 최적화되지 않은 품질과 상당한 연산 오버헤드를 초래합니다. 이러한 과제를 해결하기 위해, 본 논문에서는 2D 비전 파운데이션 모델(vision foundation model)을 활용하는 2단계 자동 어노테이션 파이프라인인 OpenBox를 제안합니다. 첫 번째 단계에서 OpenBox는 교차 모달 인스턴스 정렬을 통해 비전 파운데이션 모델로 처리된 2D 이미지의 인스턴스 수준 단서를 대응하는 3D 포인트 클라우드와 연결합니다. 두 번째 단계에서는 강체성(rigidity) 및 운동 상태에 따라 인스턴스를 분류한 다음, 클래스별 크기 통계를 바탕으로 적응형 경계 상자를 생성합니다. 그 결과, OpenBox는 자기 학습 없이도 고품질 3D 경계 상자 어노테이션을 생성합니다. Waymo Open Dataset(WOD), Lyft Level 5 Perception 데이터셋, nuScenes 데이터셋에서의 실험을 통해 베이스라인 대비 향상된 정확도와 효율성을 입증합니다. 프로젝트 페이지는 https://oliver0922.github.io/OpenBox/ 에서 확인할 수 있습니다.