미지의 노이즈 환경에서의 포인트 클라우드 디노이징을 위한 테스트 시간 적응

요약

본 논문은 실제 환경에서 학습 데이터와 다른 노이즈 분포를 가진 포인트 클라우드 디노이징 문제를 해결하기 위해 Test-Time Adaptive Denoising (TTAD) 프레임워크를 제안합니다. TTAD는 잔차 기반 모델링과 대조 적응을 통해 테스트 시점에서 알려지지 않은 노이즈 패턴에 스스로 적응하며, 지속적 TTAD(CTTAD)로 확장 가능하여 일반화 성능을 크게 향상시킵니다.

핵심 포인트

• TTAD 프레임워크는 추가 학습 없이 미지 노이즈 패턴에 적응합니다.
• 잔차 기반 모델링과 대조 학습을 결합하여 노이즈 분포를 추정하고 보정합니다.
• CTTAD 설정을 통해 순차적 샘플의 계산 비용을 줄이고 정제 과정을 용이하게 합니다.