Core Concepts
시간 경과 영상에서 가려진 객체의 2D 및 3D 특성을 자동으로 생성하여, 가려짐에 강인한 객체 재구성 모델 학습을 가능하게 한다.
Abstract
이 연구는 시간 경과 영상을 활용하여 가려진 동적 객체의 실제적인 학습 데이터를 자동으로 생성하는 방법을 제안한다.
먼저, 시간 경과 영상에서 가려지지 않은 객체를 탐지하고 이들의 2D 및 3D 특성을 추출한다.
이후 이 객체들을 배경 영상에 클립아트 스타일로 재삽입하여, 물리적으로 정확한 가림 구성을 가진 합성 영상을 생성한다.
이렇게 생성된 합성 영상과 그에 대한 의사 정답 데이터(2D 경계 상자, 분할, 키포인트, 3D 자세 및 형상)를 활용하여, 가려짐에 강인한 객체 재구성 모델을 학습할 수 있다.
실험 결과, 제안 방법으로 생성된 데이터를 활용하면 기존 방법 대비 2D 및 3D 객체 재구성 성능이 크게 향상되며, 특히 심각한 가림이 있는 상황에서 우수한 성능을 보인다.
Stats
가려짐 비율이 90%인 경우에도 차량 탐지 정확도가 약 0.7로 유지된다.
가려짐 비율이 90%인 경우에도 차량 분할 정확도가 약 0.6으로 유지된다.
가려짐 비율이 90%인 경우에도 차량 2D 키포인트 정확도가 약 0.6으로 유지된다.
가려짐 비율이 90%인 경우에도 차량 3D 키포인트 정확도가 약 0.4로 유지된다.
Quotes
"시간 경과 영상에서 가려진 객체의 2D 및 3D 특성을 자동으로 생성하여, 가려짐에 강인한 객체 재구성 모델 학습을 가능하게 한다."
"제안 방법으로 생성된 데이터를 활용하면 기존 방법 대비 2D 및 3D 객체 재구성 성능이 크게 향상되며, 특히 심각한 가림이 있는 상황에서 우수한 성능을 보인다."