How Sampling Strategy Affects Imbalance Mitigation in LiDAR Segmentation: A Study of Structured vs. Random Point-Based Architectures

Immaginate un mondo in cui le auto a guida autonoma e i droni autonomi navigano "vedendo" con raggi laser invece che con gli occhi. Queste macchine sparano impulsi di luce che rimbalzano sul terreno, sugli edifici e sugli alberi, tornando come una nuvola di milioni di singoli punti. È così che costruiscono una mappa tridimensionale del loro ambiente circostante. Tuttavia, queste mappe non sono perfettamente bilanciate. In una tipica scena cittadina, il laser colpisce la vasta distesa piatta della strada o il lato di un edificio migliaia di volte più spesso di quanto colpisca un piccolo cartello stradale lontano o un pedone. Questo crea uno squilibrio severo: il computer vede costantemente le cose grandi ma nota appena i dettagli piccoli e critici. Se il cervello della macchina non è addestrato per gestire questo, potrebbe ignorare con sicurezza una persona ferma sul marciapiede perché è stato sopraffatto dall'enorme volume di dati relativi alla strada.

Per decenni, i ricercatori hanno cercato di risolvere problemi simili nella fotografia 2D standard, dove alcuni oggetti appaiono molto meno frequentemente di altri. Hanno sviluppato varie tecniche matematiche per costringere il computer a prestare più attenzione agli elementi rari. Ma quando queste stesse tecniche sono state applicate al mondo caotico delle nuvole di punti laser, i risultati sono stati confusi. Alcuni metodi funzionavano, mentre altri sembravano peggiorare il problema. La domanda rimaneva: il modo in cui un computer campiona questi punti laser cambia quali trucchi funzionano effettivamente? Un nuovo studio condotto da ricercatori dell'Università di Cipro e del Centro di Eccellenza per la Ricerca e l'Innovazione KIOS si è posto l'obiettivo di rispondere a questo quesito, testando una vasta gamma di soluzioni su dati del mondo reale.

I ricercatori si sono concentrati su due modi diversi in cui i computer elaborano queste nuvole di laser. Il primo metodo, utilizzato in un sistema chiamato KPConv, agisce come un meticoloso topografo. Seleziona i punti secondo un modello strutturato e organizzato, assicurando che ogni parte della scena sia campionata con una specifica logica geometrica. Il secondo metodo, utilizzato in un sistema chiamato RandLA-Net, è molto più caotico; afferra i punti in modo completamente casuale, come un bambino che prende manciate di sabbia da una spiaggia. Il team ha testato entrambi i sistemi contro tre dataset molto diversi: una massiccia scansione aerea di una città con uno squilibrio estremo di 641 a uno, una scansione indoor di un edificio con uno squilibrio moderato e un ambiente sintetico generato al computer. Hanno applicato undici diverse strategie per vedere quale aiutasse il computer a riconoscere meglio gli oggetti rari.

I risultati hanno consegnato un verdetto sorprendente e chiaro. L'istinto più comune nel settore — ovvero dire semplicemente al computer di pesare maggiormente gli oggetti rari in base a quanto spesso appaiono — si è rivelato un disastro. Quando i ricercatori hanno utilizzato questo standard "peso inverso alla frequenza", le prestazioni del computer sono diminuite significamente, talvolta fino al 12 percento. Nei casi peggiori, il sistema è fallito catastroficamente, mancando completamente oggetti piccoli come pali e recinzioni. Lo studio ha esplicitamente escluso questo approccio popolare, mostrando che potenziare ciecamente l'importanza delle classi rare in realtà confonde il modello e ne degrada la capacità di vedere correttamente il mondo.

Inveve, lo studio ha scoperto che la soluzione migliore dipende interamente da come il computer campiona i dati. Per il sistema strutturato, simile a quello di un topografo, l'approccio più semplice era spesso il migliore. L'uso di una pesatura uniforme, in cui ogni classe viene trattata equamente senza alcuna speciale regolazione matematica, offriva prestazioni quasi pari alle formule più complesse e progettate su misura. La differenza era così piccola — meno del 2 percento — che l'impegno extra per calcolare pesi complessi non offriva alcun reale beneficio. Il metodo di campionamento strutturato sembrava gestire naturalmente bene lo squilibrio, tanto che il computer non aveva bisogno di essere forzato a prestare attenzione agli elementi rari.

Tuttavia, la storia era diversa per il metodo di campionamento casuale e caotico. Poiché questo sistema scarta la naturale struttura geometrica della scena, è molto più sensibile allo squilibrio. In questo caso, l'approccio semplice e uniforme è caduto corto, restando indietro rispetto alle tecniche specializzate di ben 4,6 percento. Per questo tipo di architettura, i ricercatori hanno scoperto che una specifica funzione di perdita chiamata LDAM, che regola il modo in cui il computer impara dai propri errori, forniva un miglioramento evidente. Eppure, anche qui, la cautela era necessaria. Altre formule complesse che funzionavano bene nella fotografia 2D causavano al sistema casuale un fallimento brutale, proprio come il semplice pesaggio aveva fatto con il sistema strutturato.

I ricercatori hanno anche esaminato la "forma" del processo di apprendimento per capire perché si verificassero queste differenze. Hanno scoperto che per il sistema strutturato, la difficoltà del compito di apprendimento era legata a quanto i dati fossero sbilanciati; più i dati erano sbilanciati, più il percorso di apprendimento diventava ripido e difficile. Ma per il sistema casuale, la difficoltà era guidata dalla complessità fisica della scena stessa. In ambienti interni affollati con molti oggetti sottili come sedie e tavoli, il percorso di apprendimento diventava irregolare e difficile da navigare, indipendentemente da quanti oggetti rari fossero presenti. Ciò suggerisce che il metodo casuale fatichi perché perde il contesto strutturale che aiuta il computer a dare un senso alla scena.

In definitiva, questo lavoro fornisce una guida pratica per gli ingegneri che costruiscono questi sistemi. Suggerisce che se state utilizzando un metodo di campionamento strutturato, dovete evitare la tentazione di sovra-ingegnerizzare la vostra soluzione; un trattamento semplice ed equo di tutte le classi è robusto ed efficace. Se state utilizzando un metodo di campionamento casuale, avete bisogno di uno strumento specializzato per gestire lo squilibrio, ma dovete sceglierlo con cura, poiché lo strumento sbagliato può rompere l'intero sistema. Lo studio conclude che non esiste una singola soluzione magica per tutti i compiti di visione 3D. Invece, l'efficacia di qualsiasi soluzione è plasmata da un'interazione delicata tra il modo in cui i dati vengono raccolti, come il computer li campiona e la natura specifica dell'ambiente che sta cercando di comprendere.