Objaverse++는 인간 전문가에 의해 세부 속성 주석이 추가된 Objaverse의 엄선된 하위 집합입니다. Objaverse는 인터넷에서 수집된 80만 개 이상의 3D 객체를 포함하는 대규모 데이터셋으로, 최근 3D 콘텐츠 생성 발전을 이끌었습니다. 하지만 저품질 모델이 많다는 한계가 있습니다. 본 논문에서는 미적 품질 점수, 질감 색상 분류, 다중 객체 구성 플래그, 투명도 특성 등의 세부 속성으로 1만 개의 3D 객체에 수동으로 주석을 달았고, 나머지 Objaverse 데이터셋에 대한 태그를 주석 지정할 수 있는 신경망을 훈련했습니다. 실험과 사용자 연구를 통해 품질 중심 하위 집합으로 사전 훈련된 모델이 이미지-3D 생성 작업에서 더 큰 Objaverse 데이터셋으로 훈련된 모델보다 성능이 우수함을 보여줍니다. 또한, 태그로 필터링된 여러 하위 집합의 훈련 데이터를 비교하여 데이터 품질이 높을수록 훈련 손실이 더 빨리 수렴함을 보였습니다. 이는 신중한 큐레이션과 풍부한 주석이 원시 데이터셋 크기를 보상하여 3D 생성 모델을 개발하는 더 효율적인 경로를 제공할 수 있음을 시사합니다. 약 50만 개의 엄선된 3D 모델로 구성된 향상된 데이터셋을 공개하여 3D 컴퓨터 비전의 다양한 후속 작업에 대한 추가 연구를 촉진합니다. 향후 전체 Objaverse 데이터셋에 대한 주석을 확장할 계획입니다.
시사점, 한계점
•
시사점:
◦
품질 중심 데이터셋 큐레이션과 풍부한 주석이 3D 생성 모델 성능 향상에 효과적임을 입증.
◦
데이터 품질이 높을수록 훈련 속도가 빨라짐을 확인.
◦
약 50만 개의 고품질 3D 모델 데이터셋 공개를 통한 3D 컴퓨터 비전 연구 활성화.
•
한계점:
◦
현재 1만 개의 객체에만 수동 주석이 달려있고, 전체 Objaverse 데이터셋에 대한 주석 작업은 미래 계획임.
