핵심 개념
복잡한 환경에서 특정 대상에 대한 효율적인 시각 인지를 위해 의미 정보와 가시성 정보를 통합한 Next-Best-View 기법을 제안한다.
초록
이 연구에서는 복잡한 환경에서 특정 대상에 대한 효율적인 시각 인지를 위해 의미 정보와 가시성 정보를 통합한 Next-Best-View 기법을 제안한다.
제안된 방법은 다음과 같은 핵심 내용을 포함한다:
의미 정보 이득과 가시성 정보 이득을 통합한 새로운 정보 이득 공식을 제안한다. 이를 통해 복잡한 환경에서 특정 대상에 대한 효율적인 인지가 가능하다.
검색 단계와 획득 단계를 균형있게 수행하기 위한 적응형 전략과 종료 기준을 설계한다. 이를 통해 다중 대상에 대한 효과적인 인지가 가능하다.
관점 방향성, 관심 영역 대비 전체 재구성 비율 등의 새로운 평가 지표를 도입하여 제안 기법의 성능을 종합적으로 분석한다.
실험 결과, 제안 기법은 기존 방법들에 비해 관심 영역 대비 전체 재구성 비율에서 최대 27.13% 향상된 성능을 보였으며, 평균 관점 방향성 지표에서도 0.88234의 우수한 성능을 달성하였다. 또한 대상 인지 범위 측면에서도 더 나은 결과를 보였다.
통계
제안 기법은 관심 영역 대비 전체 재구성 비율에서 최대 27.13% 향상된 성능을 보였다.
제안 기법의 평균 관점 방향성 지표는 0.88234로 우수한 성능을 달성하였다.
인용구
"복잡한 환경에서 특정 대상에 대한 효율적인 시각 인지를 위해 의미 정보와 가시성 정보를 통합한 Next-Best-View 기법을 제안한다."
"제안된 방법은 검색 단계와 획득 단계를 균형있게 수행하기 위한 적응형 전략과 종료 기준을 설계한다."