산업 현장에서 물체의 6D 자세를 찾는 일은 색·질감이 약하거나 실제 물체가 CAD 모델과 다를 때 특히 어렵다. arXiv 프리프린트가 제안한 PIXIE는 RGB 이미지와 무텍스처 3D 모델만 입력받아, 객체별 추가 학습 없이 자세를 추정한다. 기준 시점에서 합성 깊이·법선 맵을 렌더링하고 사전학습된 교차 모달 특징 정합기로 대응점을 찾은 뒤, 키포인트를 3D로 복원해 RANSAC과 PnP로 자세를 계산한다. 거친 추정 뒤에는 가까운 기준 시점을 다시 골라 반복 정합하면서 결과를 다듬는다.
공개 BOP 벤치마크에서는 최대 1,000회 반복, 재투영 오차 5픽셀, 최소 인라이어 비율 0.5의 RANSAC 기반 PnP를 사용했다. 한 번의 시점 선택을 적용했을 때 평균 재현율은 T-LESS 43.7%, ITODD 26.7%, TUD-L 35.1%였다. LineMOD Occluded에서는 19.4%로 더 낮아, 강한 텍스처 단서를 활용하는 방식과의 차이도 드러났다.
자체 데이터는 48개 장면과 695장 이미지, 타깃 객체 4종으로 구성됐다. 객체마다 색상이 다른 인스턴스 3개와 최대 7개의 불량 조립체를 포함했고, 마커 기반 정답 자세의 평균 재투영 오차는 1.6픽셀이었다. 이 조건에서 PIXIE의 평균 재현율은 78.4%로, GigaPose 11.02%, GenFlow 3.8%, MegaPose 15.5%, FoundPose 53.22%보다 높았다.
| 평가 대상 | PIXIE 결과 | 평가 조건 |
|---|---|---|
| T-LESS | 평균 재현율 43.7% | BOP 표준 평가 |
| ITODD | 평균 재현율 26.7% | BOP 표준 평가 |
| 자체 결함 데이터 | 평균 재현율 78.4% | 48개 장면·695장 이미지·객체 4종 |
| 자체 결함 데이터 | 평균 ADD 1.0590cm | GigaPose2 15.1194cm·FoundPose2 3.5282cm |
자료: 논문 표를 바탕으로 STORIUM 정리
결과는 질감이 약하거나 결함이 있는 물체에서 기하 중심의 접근이 유효할 수 있음을 보여준다. 다만 자체 결함 데이터는 객체 4종에 한정되고, 공개 벤치마크에서도 데이터셋에 따라 성능 차이가 컸다. 따라서 산업 현장 전반의 성능으로 일반화하기보다, 프리프린트가 제시한 특정 데이터와 평가 조건 안에서 읽어야 한다.
저작권자 © STORIUM 무단전재 및 재배포 금지
