연구진은 RGB 이미지 없이 깊이 정보만으로 3D 의미론적 분할을 수행하는 UTTO 프레임워크를 제안했어요. UTTO는 불확실성을 활용해 신뢰할 수 없는 의미론적 반응을 식별하고, 기존 모델의 선행 지식을 활용해 이를 개선하는 방식이에요. ScanNet20, ScanNet40, ScanNet200 데이터셋에서 기존 방법 대비 성능 향상을 입증했어요.
기존 방법은 RGB 이미지에 의존하여 프라이버시를 침해할 수 있지만, 깊이 정보만 사용하면 프라이버시를 보호하면서 3D 의미론적 분할이 가능해요. UTTO는 깊이 정보만으로도 정확한 3D 의미론적 분할을 가능하게 해요.
UTTO는 추가 훈련 없이도 기존 방법보다 성능이 뛰어나며, 프라이버시 보호 조건 하에서 3D 의미론적 분할을 개선하는 데 효과적이에요.