동적 마스킹 다중 스케일 복셀 기반 자기 지도 학습을 통한 3차원 객체 검출 기술

Q: 이 논문에서 정의한 자기 지도 학습이란 무엇인가?

레이블이 없는 데이터로부터 스스로 학습하여 3차원 객체 검출 성능을 향상시키는 방법이다. 특히 마스킹된 오토인코더 방식을 통해 가시 영역을 바탕으로 마스킹 영역을 복원함으로써 희소한 데이터로부터 중요한 특징을 추출하고 객체를 추론하는 학습 체계를 의미한다.

Q: 다중 스케일 복셀 표현과 마스킹된 오토인코더가 3D 객체 검출에 어떤 영향을 미치는가?

연구 결과, 다중 스케일 복셀 표현으로 스케일 변동 문제를 완화하고 마스킹된 토큰을 복원하는 자기 지도 학습을 적용함으로써 희소성 문제를 극복하였다. 이를 통해 특히 보행자와 자전거 같은 작은 객체의 검출 정확도를 유의미하게 향상시키는 결과를 얻었다.

한희태; 윤상민

추천

검색

질문

자료유형: 학술대회자료

저자정보: 한희태 (국민대학교) 윤상민 (국민대학교)

저널정보: 대한전자공학회 대한전자공학회 학술대회 2024년도 대한전자공학회 추계학술대회 논문집

발행연도: 2024.11

수록면: 556 - 559 (4page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

3D object detection plays a vital role in applications like autonomous driving, robotics, and augmented reality, yet it faces challenges such as sparse and noisy point cloud data, occlusions, and the need for real-time performance. In this work, we propose Dynamic Masked Multi-Scale Voxel Representation, a novel self-supervised learning framework aimed at improving 3D object detection. It encodes multi-scale contextual information using a voxel-based representation, addressing the issue of scale variation, and dynamically samples sparse 3D object features via a shifting window approach to enhance detection accuracy. Our method is validated on the KITTI dataset and demonstrates robust detection performance, particularly for smaller objects like pedestrians and cyclists, while achieving competitive results compared to state-of-the-art methods.

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)