박재식 연구실

본 논문은 물리적 대상 없이 LiDAR-카메라 캘리브레이션을 수행하는 TLC-Calib 방법을 제시합니다. 신경 가우시안 기반 장면 표현과 센서 포즈를 공동으로 최적화하며, 고정된 LiDAR 포인트와 보조 가우시안을 활용하여 강건한 캘리브레이션을 달성합니다. KITTI-360, WAYMO, FAST-LIVO2 데이터셋에서 기존 방법을 능가하는 성능을 보입니다.

본 논문은 일관성 모델의 훈련 불안정성을 흐름 맵 기반 관점에서 분석합니다. 훈련 안정성과 수렴 동작이 어떻게 퇴화된 해를 야기하는지 규명하고, 자기 증류를 개선하여 안정적인 최적화를 위해 과도한 기울기 노름을 회피합니다. 제안된 전략은 사전 훈련된 확산 모델 없이 확산 기반 정책 학습까지 확장 가능함을 보입니다.

본 논문은 일관성 모델의 훈련 불안정성을 흐름 맵 기반 관점에서 분석하여 이론적 설명을 제공합니다. 훈련 안정성과 수렴 행동이 어떻게 퇴화된 해를 야기하는지 규명하고, 자기 증류를 개선하여 과도한 기울기 규범을 피하는 안정적 최적화 방법을 제안합니다. 이 전략은 사전 훈련된 확산 모델 없이도 확산 기반 정책 학습으로 확장 가능함을 보여줍니다.

본 논문은 일관성 모델의 훈련 불안정성을 흐름 맵 기반 관점에서 분석하여 이론적 설명을 제공합니다. 훈련 안정성과 수렴 행동이 어떻게 퇴화된 해를 야기하는지 규명하고, 자기 증류를 개선하여 과도한 기울기 규범을 피하는 안정적 최적화 방법을 제시합니다. 이 전략은 사전 훈련된 확산 모델 없이도 확산 기반 정책 학습으로 확장 가능함을 보여줍니다.

OpenBox는 2D 비전 파운데이션 모델을 활용한 자동 주석 파이프라인으로, 크로스모달 인스턴스 정렬을 통해 2D 이미지 정보를 3D 포인트 클라우드와 연결하고, 강성과 운동 상태에 따라 인스턴스를 분류하여 적응형 3D 바운딩 박스를 생성합니다. 자가학습 반복 없이 고품질 주석을 생성하며, Waymo, Lyft, nuScenes 데이터셋에서 기존 방법보다 향상된 정확도와 효율성을 입증합니다.