연구팀은 레이블 없이 복잡한 3D 장면에서 객체 분할하는 새로운 프레임워크 FoundObj를 발표했어요. FoundObj는 자체 지도 학습 기반 2D/3D 모델의 의미론적·기하학적 정보를 활용해 객체 발견 에이전트를 훈련해요. 실험 결과, 기존 방법보다 성능이 뛰어나고, 레이블 없는 환경에서도 강건한 성능을 보여줘요.
FoundObj는 객체 발견 에이전트가 적절한 인접 슈퍼포인트를 점진적으로 병합하는 방식으로 작동하며, 의미론적·기하학적 보상 모듈이 객체 발견을 안내해요. 이 모듈은 자체 지도 학습 기반 2D/3D 모델의 선행 정보를 활용해 상호 보완적인 피드백을 제공해요.
연구팀은 다양한 벤치마크에서 FoundObj가 기존 방법보다 일관되게 뛰어난 성능을 보였으며, 제로샷 및 장기 꼬리 시나리오에서도 강한 일반화 능력을 보여주며, 확장 가능한 레이블 없는 3D 객체 분할 가능성을 입증했어요.