자율 주행 시스템의 안전성을 위해 고품질 데이터 확보가 중요해짐에 따라, 본 연구는 합성 데이터를 활용한 3D 보행자 자산 다양화 방법을 제안합니다.
StyleGAN2를 활용하여 단일 3D 모델을 기반으로 다양한 얼굴 텍스처와 외형 변형을 생성하고, 이를 3D 메시 위에 자동으로 매핑하여 확장 가능한 자산 다양화를 구현했습니다.
실제 데이터와 합성 데이터를 혼합하여 학습했을 때 2D 객체 감지 성능이 향상되었으며, 3D 인지 모델이 기하학적 도메인 격차에 민감하다는 점을 확인했습니다.