제로샷 3D 시각적 근거화(ZS-3DVG)는 자연어 설명을 바탕으로 3D 장면 내에서 객체를 위치(근거)시키는 작업을 말하며, 특히 학습 중에는 등장하지 않았던 범주(미관측 범주)에 대해 수행하는 것을 목표로 한다. 이 작업에서 색상은 중요한 단서이지만, 정확성과 속도 측면에서 모두 어려움이 있어 그 활용이 제한된다. 정확도는 서로 다른 조명 조건에서 RGB 색공간의 불안정성, 그리고 표준 색상 정의와 인간의 지각 사이의 의미적 간극으로 인해 저하된다. 속도는 3D 포인트 클라우드를 여러 개의 2D 뷰로 렌더링하는 과정에서 발생하는 계산 오버헤드 때문에 저하된다. 더 많은 뷰를 사용하면 색상 인식이 향상될 수 있으나, 이로 인해 상당한 지연이 발생하여 실시간 응용이 불가능해진다. 이러한 문제를 해결하기 위해 우리는 속도와 정확도 모두를 향상시키는 경량 모듈을 제안한다. 속도 측면에서, 본 모듈은 렌더링 파이프라인을 우회하고 3D 포인트 클라우드에서 추출한 HSV 히스토그램에 직접 동작함으로써 계산을 크게 감소시킨다. 정확도 측면에서, 본 모듈은 HSV 색공간의 핵심 성질을 활용한다. 즉, 유색(chromatic) 색은 색조(hue) 축을 따라 집중되는 반면, 무채색(achromatic) 색은 명도(value) 축에 놓인다. 이를 바탕으로 입력 데이터를 관련 축에 초점을 두는 특화 분류기로 라우팅하여 RGB의 불안정성을 완화한다. 또한, 지각적으로 유사한 색을 그룹화함으로써 의미적 불일치를 해결하였다. 실험 결과는 본 방법이 RGB 또는 CLIP 기반 기준모델보다 더 높은 정확도와 더 빠른 추론 속도를 달성함을 보여주며, ZS-3DVG에서 견고하고 효율적인 색상 인식을 가능하게 한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.