KASALv2: 완전 자동화된 3D 회전 대칭 분류 및 축 위치 파악

회전 대칭은 6D 포즈 추정에서 중요한 사전 지식(prior)으로, 포즈 정확도를 향상시키고 대칭 인식 평가를 지원합니다. 하지만 현재 3D 객체에 대한 대칭 주석은 대부분 수동적이거나 반자동적이며, 종종 미리 정의된 유형이나 순서를 요구하여 확장성에 한계가 있습니다. 본 연구는 모든 8가지 표준 3D 회전 대칭 유형에 걸쳐 대칭 유형 분류, 회전 순서 식별, 그리고 전체 축 위치 파악을 위한 완전 자동화되고 참조가 필요 없는(reference-free) 프레임워크를 소개합니다. 이 방법은 지배적인 고차원 축을 위치 파악하고, 자기 일관성 분석(self-consistency analysis)을 통해 회전 순서를 추론하며, 계층 구조 안내 공식화(hierarchy-guided formulation) 하에 완전한 대칭 구조를 재구성합니다. 텍스처 인식 확장(texture-aware extension)은 축 방향을 보존하면서 외관으로 인해 발생하는 회전 순서 감소까지 모델링합니다. 이상적인 데이터셋과 실제 환경 데이터셋에서의 실험 결과는 강력한 정확도와 일반화 성능을 보여주었으며, GSO의 438개 대칭 객체에서 94.75%의 정확도를 달성했습니다. 이러한 사전 지식(priors)으로 FoundationPose를 학습시키면 다섯 개의 BOP 데이터셋 전반에 걸쳐 최대 0.9%까지 정확도가 향상되는 것을 보여주어, 자동으로 추정된 회전 사전 지식이 다운스트림 6D 포즈 추정에 개선 효과가 있음을 입증했습니다. 코드는 https://github.com/WangYuLin-SEU/KASAL에서 이용 가능합니다.