XPose는 설명 가능한 AI(XAI) 원칙을 인간 자세 추정에 통합하여, 최종 예측에 대한 각 키포인트의 기여도를 명확히 설명하는 것을 목표로 한다.
기존 XAI 기술은 주로 단일 대상 작업(예: 분류)에 초점을 맞추었으며, 셰플리 값과 같은 XAI 측정치를 자세 추정에 적용하는 것이 계산상 어려움으로 인해 제한되었다.
XPose는 이러한 문제를 해결하기 위해 그룹 셰플리 값(GSV)이라는 혁신적인 개념을 도입한다. GSV는 키포인트를 상호 의존성에 따라 클러스터로 구성하고, 클러스터 내부의 키포인트에 대해서는 세부적인 셰플리 값을 계산하며, 클러스터 간 키포인트에 대해서는 더 포괄적인 그룹 수준의 평가를 수행한다. 이 이중 수준 계산 프레임워크를 통해 키포인트의 기여도를 정밀하게 평가하면서도 계산 효율성을 최적화한다.
키포인트 간 상호작용에 대한 통찰을 바탕으로, XPose는 그룹 기반 키포인트 제거(GKR)라는 새로운 데이터 증강 기법을 고안했다. GKR은 훈련 중 개별 키포인트를 제거하되, 강한 상호 연결성을 가진 키포인트는 보존함으로써 보이지 않는 키포인트에 대한 모델의 예측 능력을 향상시킨다. GKR의 다양한 표준 접근법에 대한 실험적 검증은 이 기법의 효과를 입증한다.
To Another Language
from source content
arxiv.org
Önemli Bilgiler Şuradan Elde Edildi
by Luyu Qiu,Jia... : arxiv.org 03-20-2024
https://arxiv.org/pdf/2403.12370.pdfDaha Derin Sorular