SonarVoxNet, 3D 소나로 전신 방향까지 잡는 다이버 9자유도 검출과 Diver3D 데이터셋

3D 소나가 만드는 희소하고 잡음 섞인 반사점만으로 자유롭게 피치, 롤하는 다이버의 전체 3차원 방향(9자유도 oriented bounding box)을 검출할 수 있는가?

수중에서는 광학 카메라가 탁도, 산란, 감쇠로 신뢰하기 어렵고, 널리 쓰이는 전방주사소나는 고도(elevation)를 버려 다이버의 3D 자세를 알 수 없다. 상용화된 3D 소나는 고도를 보존하지만 사람 몸에서 오는 반사가 희소하고 다중경로 잡음이 있으며, 기존 LiDAR 검출기는 밀집 데이터와 수직으로 서서 yaw만 회전하는 표적을 전제해 자유롭게 누운 다이버의 pitch, roll을 표현하지 못한다.

자율주행용 3D 검출기인 VoxelNet, SECOND, PointPillars, CenterPoint, VoxelNeXt 등은 복셀 또는 포인트 백본과 anchor 기반 또는 중심 기반 헤드를 쓰지만 모두 yaw 단일 각도로 방향을 예측한다. 3D 소나 기반으로는 SonarPoint가 일반 수중 물체를 다뤘으나 다이버와 full 3D 방향은 다루지 않았고, 이를 학습, 평가할 공개 데이터셋도 없었다.

SonarVoxNet은 3D 소나 점군을 복셀화해 VoxelNet 방식의 VFE로 인코딩하고 sparse 3D 합성곱, BEV 특징, CenterPoint 방식의 anchor-free 중심 헤드를 사용한다. 기존 yaw 대신 Zhou et al.의 연속 6D 회전 표현을 출력해 Gram-Schmidt 정규화로 SO(3) 행렬을 만들어 중심, 크기, 회전을 포함한 9자유도 박스를 예측한다. 학습 시 실제 다이버 반사점을 재사용하는 ground-truth sampling을 개수 annealing과 aspect-preserving 배치로 적용했다. 추론 시에는 인과적 기하 정제가 R^3와 SO(3) 탄젠트 공간의 IMM 필터로 중심과 회전을, shrink-only 추정으로 크기를 다듬는다. Diver3D는 플로리다 블루그로토 자연 동굴 다이빙 현장에서 수집한 36개 장면, 37,010프레임, 34,568개 다이버 인스턴스로, 실제 피치, 롤이 있는 full SO(3) 방향 라벨을 담았다.

Diver3D 테스트(8개 장면, 8,112프레임, 두 시드 평균, 실물 3D 소나 데이터)에서 SonarVoxNet은 [email protected] 0.703, [email protected] 0.359, SDS 0.673을 기록했다. 동일 조건의 기준 모델은 VoxelNet 0.126, SECOND 0.315, PointPillars 0.190, CenterPoint 0.324, VoxelNeXt 0.374였다. 증강을 뺀 SonarVoxNet은 [email protected] 0.515였다. yaw-only 중심 헤드에서 6D full-SO(3)로 바꾸자 [email protected]가 sparse 백본에서 0.319에서 0.515로, dense 백본에서 0.328에서 0.538로 상승했고, AOE3D는 65~71도에서 48~51도로 줄었다. 추론 후 인과적 정제는 [email protected]를 0.703에서 0.774로, [email protected]을 0.359에서 0.467로, SDS를 0.673에서 0.719로 올렸다.

저자들은 z축을 거친 격자로 압축한 뒤 BEV로 투영하는 지상 검출기 설계를 그대로 따랐고, 비어 있지 않은 프레임당 다이버 1.3명으로 positive 밀도가 낮아 합성 데이터 증강이 필요하다고 밝혔다. 전신 3D 방향 라벨은 사람 주석이 부정확할 수 있으며, 음향 물리나 다이버 특화 사전지식을 반영하지 못했다. 프리프린트로 동료 심사가 확인되지 않았고, 단일 장소에서 수집된 단일 클래스 데이터로 평가된 점도 한계다.