Core Concepts
본 연구는 단일 모노크롬 깊이 추정을 위한 두 가지 새로운 크로스-뷰 일관성 손실 함수를 제안한다. 첫째, 깊이 특징 정렬(Depth Feature Alignment, DFA) 손실은 인접 프레임 간 특징 정렬 오프셋을 학습하여 시간적으로 일관된 깊이 추정을 달성한다. 둘째, 볼륨 밀도 정렬(Voxel Density Alignment, VDA) 손실은 인접 프레임 간 3D 포인트 클라우드의 볼륨 밀도를 정렬하여 움직이는 물체와 가려짐에 강인한 깊이 추정을 가능하게 한다.
Abstract
본 연구는 단일 모노크롬 깊이 추정을 위한 새로운 크로스-뷰 일관성 손실 함수를 제안한다.
- 깊이 특징 정렬(DFA) 손실:
- 인접 프레임 간 특징 정렬 오프셋을 학습하여 시간적으로 일관된 깊이 추정을 달성
- 기존 픽셀 단위 광도 일관성 손실보다 조명 변화, 텍스처 없는 영역 등에 강인
- 볼륨 밀도 정렬(VDA) 손실:
- 인접 프레임 간 3D 포인트 클라우드의 볼륨 밀도를 정렬하여 움직이는 물체와 가려짐에 강인한 깊이 추정 달성
- 기존 3D 포인트 클라우드 정렬 손실보다 강인
- 실험 결과:
- KITTI 데이터셋에서 기존 최신 방법들을 능가하는 성능 달성
- 특히 저텍스처 영역, 움직이는 물체 등 어려운 장면에서 우수한 성능 발휘
Stats
저텍스처 영역에서 기존 방법들보다 더 정확한 깊이 추정 가능
움직이는 물체 영역에서도 강인한 깊이 추정 가능
Quotes
"본 연구는 단일 모노크롬 깊이 추정을 위한 두 가지 새로운 크로스-뷰 일관성 손실 함수를 제안한다."
"DFA 손실은 인접 프레임 간 특징 정렬 오프셋을 학습하여 시간적으로 일관된 깊이 추정을 달성한다."
"VDA 손실은 인접 프레임 간 3D 포인트 클라우드의 볼륨 밀도를 정렬하여 움직이는 물체와 가려짐에 강인한 깊이 추정을 가능하게 한다."