우리는 3D 맵에 오픈 특징(open-features)을 통합하여 물체 인식 능력을 향상시키는 방식으로, 모바일 로봇을 위한 오픈 월드(open-world) 3D 매핑의 새로운 접근법인 OV-MAP을 제안한다. 주요한 과제는 인접한 복셀(voxel)에서의 특징들이 중첩될 때 발생하는데, 특징이 복셀 경계를 넘어서 퍼지면서 주변 영역이 서로 섞여 인스턴스 수준의 정밀도가 저하된다. 본 방법은 2D 마스크를 3D 공간으로 투영하기 위해 클래스 비특정(class-agnostic) 분할 모델을 사용하고, 포인트 클라우드(point clouds)로부터 얻은 원시 및 합성 깊이(synthetic depth)를 병합하여 보강된 깊이 이미지(depth image)를 함께 활용함으로써 이를 극복한다. 이러한 접근과 3D 마스크 투표(3D mask voting) 메커니즘을 통해, 3D 지도(supervised) 분할 모델에 의존하지 않고도 정확한 제로샷(zero-shot) 3D 인스턴스 분할을 가능하게 한다. 우리는 ScanNet200 및 Replica와 같은 공개 데이터셋에 대한 포괄적인 실험을 통해 본 방법의 효과를 평가하였으며, 다양한 환경에 걸친 우수한 제로샷 성능, 강건성, 적응성을 입증하였다. 또한 실제 환경에서의 실험을 수행하여, 본 방법이 다양한 실제 환경에 적용될 때의 적응성과 강건성을 보여주었다.

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