연구진은 공중 LiDAR 포인트 클라우드 코너 검출을 위한 하이브리드 Transformer 기반 모델인 SAGE3D를 발표했어요. SAGE3D는 계층적 인코더-디코더 아키텍처를 기반으로 하며, Set Abstraction 레이어를 통해 점진적으로 포인트 클라우드를 다운샘플링하고 Feature Propagation을 통해 포인트별 예측을 복구해요.
정확도 향상을 위해 학습 시 ground-truth 코너 레이블을 어텐션 로짓에 로그 사전으로 주입하는 소프트 가이드 어텐션과, 높은 신뢰도의 코너가 학습된 부스팅을 통해 예측을 강화하는 흥분 그래프 신경망을 도입했어요. 계층적 설계는 다중 스케일 특징 추출을 가능하게 하고, 가이드 어텐션과 흥분 모듈은 코너 신호가 스케일 간에 희석되지 않도록 보장해요.
SAGE3D는 공중 LiDAR 포인트 클라우드 코너 검출에 대한 새로운 접근 방식을 제시하며, 향후 3D 환경 이해 및 자율 시스템 개발에 기여할 것으로 기대돼요.