LiDAR 심도 보완은 희소 LiDAR 스캔으로부터 조밀한 심도 영상을 복원하는 것을 목표로 한다. 기존 방법들은 3D 장면 이해를 개선한다고 주장하지만, 3D 공간으로 직접 역투영하면 대개 물체 경계 주변에 오류가 있는 점들이 추가되어 결과적으로 하위 인식 성능이 저하된다. 핵심적으로, 이러한 방법들은 유사-LiDAR(pseudo-LiDAR) 품질을 제어하기 위한 메커니즘 없이 2D 복원에만 집중한다. 이를 해결하기 위해, 조밀한 심도 맵과 픽셀 단위 신뢰도(confidence) 맵을 함께 예측하는 새로운 심도 보완 네트워크를 제안한다. 신뢰도 맵은 유사-LiDAR 점군(pseudo-LiDAR point cloud) 생성 과정에서 신뢰할 수 없는 추정을 필터링하여 선택적 역투영을 가능하게 한다. 또한 LiDAR 반응은 장거리에서 점점 더 희소해지므로, 우리의 신뢰도 맵은 신뢰할 수 있는 장거리 추정을 우선하도록 학습한다. 이러한 학습 기반 보상 메커니즘은 센서의 한계를 완화하는 동시에 원거리 물체에 대한 탐지 성능을 향상시킨다. KITTI 3D 벤치마크에서, 우리의 유사-LiDAR로 학습된 검출기는 원시 32채널 데이터로 학습된 검출기보다 3D AP에서 14.2% 더 높은 성능을 보이며, 64채널 센서 전체와의 성능 격차를 63%까지 줄인다.

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