파도바 대학, 3D LiDAR 이상 탐지에서 SOTA — 특징 공간에서 분포 모델링으로 성능 개선

파도바 대학 연구팀이 3D LiDAR 기반 이상(anomaly) 분할에서 새로운 접근법을 제안했습니다. 기존 2D 후처리 기법을 벗어나 특징 공간에서 정상 클래스의 분포를 직접 모델링하여 이상 샘플을 제약하는 방식으로, 기존 공개 데이터셋에서 SOTA를 달성했습니다. 또한 기존 3D LiDAR 이상 분할 데이터셋의 한계(단순 시나리오, 센서 해상도 차이로 인한 도메인 갭)를 해결하기 위해, 기존 의미 분할 벤치마크를 기반으로 혼합 현실-합성 데이터셋을 새로 구축했습니다. 다만 새 데이터셋은 합성 데이터를 포함하므로 실제 환경과의 괴리가 여전히 존재할 수 있습니다.

• #3d-lidar
• #anomaly-segmentation
• #autonomous-driving
• #padova