3D 포인트 클라우드 의미 체계 세분화 작업 유형 이해

의미 체계 분할에는 3D 포인트 클라우드의 개별 포인트를 미리 지정된 범주로 분류하는 작업이 포함됩니다. 작업자가 3D 포인트 클라우드에 대한 포인트 수준의 의미 체계 분할 마스크를 생성하도록 하려면 이 태스크 유형을 사용합니다. 예를 들어, 클래스 car, pedestrian 및 bike을 지정하는 경우 작업자는 한 번에 하나의 클래스를 선택하고 이 클래스가 적용되는 모든 포인트를 포인트 클라우드에서 동일한 색상으로 지정합니다.

이 작업 유형에서 작업자가 레이블을 지정하는 데이터 객체는 단일 포인트 클라우드 프레임입니다. Ground Truth는 사용자가 제공하는 포인트 클라우드 데이터를 이용하여 3D 포인트 클라우드 시각화를 생성합니다. 또한 카메라 데이터를 제공하여 작업자에게 프레임의 장면에 대한 자세한 시각적 정보를 제공하고 작업자가 객체를 페인팅하는 데 도움을 줄 수도 있습니다. 작업자가 2D 이미지 또는 3D 포인트 클라우드에서 객체를 페인트하면 다른 보기에 페인트가 표시됩니다.

3D 포인트 클라우드 객체 감지 레이블 지정 작업에서 생성된 주석을 3D 포인트 클라우드 의미 체계 세분화 조정 또는 레이블 지정 작업 유형을 사용하여 조정하거나 확인할 수도 있습니다. 조정 및 검증 레이블 지정 작업의 세부 정보와 해당 작업의 생성 방법을 알아보려면 레이블 확인 및 조정을(를) 참조하세요.

Ground Truth 3D 포인트 클라우드 레이블 지정 양식을 처음 사용할 경우에는 3D 포인트 클라우드 레이블 지정 작업 개요을(를) 검토하는 것이 좋습니다. 이 레이블 지정 양식은 다른 Ground Truth 작업 유형과 다릅니다. 그러므로 이 주제에서는 3D 포인트 클라우드 레이블 지정 작업을 생성할 때 알아야 할 중요한 세부 사항의 개요를 제공합니다.

다음 주제에서는 3D 포인트 클라우드 의미 체계 세분화 작업을 생성하고, 작업자 작업 인터페이스의 모양(작업자가 이 작업을 수행할 때 볼 수 있는 내용)을 보여주고, 작업자가 작업을 완료할 때 얻는 출력 데이터에 대한 개요를 제공합니다.