본 논문은 약지도 단안 3D 객체 검출을 위한 새로운 방법인 CA-W3D를 제안합니다. 기존 방법들이 객체 중심 특징에만 집중하여 복잡한 장면에서 중요한 문맥적 의미 관계를 무시하는 문제점을 해결하기 위해, 두 단계의 훈련 과정을 통해 문맥 인식 기능을 향상시킵니다. 첫 번째 단계에서는 Region-wise Object Contrastive Matching (ROCM)을 사용하여 단안 3D 인코더와 고정된 개방형 어휘 2D 시각적 기반 모델의 지역 객체 임베딩을 정렬하여 장면 특징을 구분하고 풍부한 문맥적 지식을 얻도록 합니다. 두 번째 단계에서는 Dual-to-One Distillation (D2OD) 메커니즘을 사용한 의사 레이블 훈련을 통해 문맥적 사전 정보를 단안 인코더에 효과적으로 전달하면서 공간 정확도와 추론 중 계산 효율성을 유지합니다. KITTI 벤치마크 실험 결과, 제안된 방법이 기존 최고 성능을 능가하며 문맥 인식 지식의 중요성을 강조합니다.
