예시 답변 1
약 90초
3D Object Detection 실습 프로젝트 결
졸업 프로젝트에서 3D Object Detection 기술을 처음으로 다뤄봤습니다. LiDAR 포인트 클라우드 데이터를 입력으로 받아 차량과 보행자를 탐지하는 모델을 실험했고, PointPillars 아키텍처를 기반으로 구현했습니다. 2D 이미지 기반 탐지와 달리 3차원 좌표 공간에서 바운딩 박스를 예측해야 해서, 회전 각도 예측이 모델 출력에 추가되는 구조가 처음에는 낯설었습니다.
KITTI 데이터셋으로 학습했고, 포인트 클라우드 밀도가 거리에 따라 달라지는 특성 때문에 먼 거리 객체의 탐지 정확도가 낮게 나오는 문제를 경험했습니다. 데이터 전처리 단계에서 복셀화를 거치는 과정이 병목이었는데, 배치 크기를 줄이고 병렬 로더 수를 늘려 학습 속도를 개선했습니다. 3D 인식은 센서 데이터의 특성을 모델 구조에 어떻게 반영하느냐가 핵심이라는 결을 이 프로젝트에서 얻었습니다.
이 결의 특징
3D Object Detection 경험을 PointPillars 아키텍처와 KITTI 데이터셋이라는 구체 도구로 풀어낸 흔적이 있습니다.
이 결이 통하는 자리
센서 데이터의 특성을 모델 구조에 반영하는 것이 핵심이라는 관점이 답에 담겨 있을 때 면접관의 신뢰가 쌓이는 자리를 자주 봅니다.