복셀 질의의 해상도는 카메라 기반 3D 점유 예측에서 시점 변환(view transformation)의 품질에 상당한 영향을 미친다. 그러나 계산 자원에 대한 제약과 실시간 배치에 대한 실용적 필요성 때문에 더 작은 질의 해상도가 요구되며, 이는 필연적으로 정보 손실을 초래한다. 따라서 제한된 질의 크기 내에서 풍부한 시각적 디테일을 인코딩하고 보존하는 동시에 3D 점유를 포괄적으로 표현할 수 있어야 한다. 이를 위해 우리는 시점 변환에서 클러스터링된 이미지 분할(segments)의 프로토타입(prototypes)을 활용하는 새로운 점유 네트워크인 ProtoOcc를 제안한다. 특히, 2D 프로토타입을 3D 복셀 질의로 사상(mapping)함으로써 고수준의 시각적 기하를 인코딩하고, 질의 해상도 축소로 인한 공간 정보 손실을 보완한다. 또한, 우리는 조밀하게 압축된 시각적 단서를 고차원 3D 점유 장면으로 효율적으로 분리하기 위한 다중 시점 디코딩(multi-perspective decoding) 전략을 설계한다. Occ3D 및 SemanticKITTI 벤치마크에 대한 실험 결과는 제안 방법이 기존 기준(baselines)보다 뚜렷한 향상을 보이며 효과적임을 입증한다. 더 나아가 ProtoOcc는 75\% 감소된 복셀 해상도에서도 기준들과 경쟁력 있는 성능을 달성한다.

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