DeWorldSG는 RGB-D 시퀀스에서 공간-시간적으로 안정적인 3D 의미론적 장면 그래프를 생성하는 새로운 프레임워크입니다. 기존 방식은 불안정한 3D 객체 표현과 프레임별 추론으로 인한 누락된 관계 때문에 신뢰할 수 있는 3D 장면 그래프를 구축하는 데 어려움을 겪습니다.
DeWorldSG는 깊이 기반 필터링을 통해 인스턴스 수준의 기하학적 3D 가우시안 분포를 추정하고 각 객체를 단일 투영점이 아닌 확률적 3D 노드로 표현하여 이러한 문제를 해결합니다.
3DSSG 및 ReplicaSSG 데이터 세트에서 실험한 결과 객체 및 술어 예측 모두에서 최고 성능(SoTA)을 달성했으며, 기존 방식보다 트리플 재현율 77.4%, 술어 재현율 23.2% 향상되어 로봇 조작 및 AR 애플리케이션에 적합합니다.