Основні поняття
이벤트 카메라의 장기 의존성 문제를 추적을 통한 가림 문제로 해결하여 정지 객체의 영속성을 유지하고 실제 가려진 객체는 제거하는 방법을 제안한다.
Анотація
이 논문은 이벤트 카메라를 이용한 객체 탐지 문제를 다룬다. 이벤트 카메라는 고속 움직임 객체 탐지에 적합하지만, 정지 객체의 경우 상대적 움직임이 없어 탐지가 어려운 문제가 있다. 이를 해결하기 위해 저자들은 정지 객체를 가려진 객체로 간주하고 추적 기법을 활용하여 객체의 영속성을 유지하는 방법을 제안한다.
구체적으로 다음과 같은 내용을 다룬다:
- 정지 객체와 움직이는 객체를 구분하기 위한 자동 레이블링 알고리즘을 제안한다.
- 추적 기반 객체 탐지 모델인 TEDNet을 제안한다. TEDNet은 공간-시간 특징 집계 모듈과 일관성 손실 함수를 통해 정지 객체의 영속성을 유지하고 실제 가려진 객체는 제거한다.
- 1 Megapixel Automotive Detection 데이터셋에서 실험을 수행하여 기존 최신 모델 대비 7.9% 절대 mAP 성능 향상을 달성한다.
Статистика
정지 객체의 경우 특징 밀도가 낮아 탐지가 어려움
정지 객체와 움직이는 객체의 중심점 이동 거리로 두 객체를 구분할 수 있음
정지 객체의 경우 30초 이상 특징이 사라져 기존 모델의 성능이 저하됨
Цитати
"이벤트 카메라는 고속 움직임 객체 탐지에 적합하지만, 정지 객체의 경우 상대적 움직임이 없어 탐지가 어려운 문제가 있다."
"정지 객체를 가려진 객체로 간주하고 추적 기법을 활용하여 객체의 영속성을 유지하는 방법을 제안한다."
"TEDNet은 공간-시간 특징 집계 모듈과 일관성 손실 함수를 통해 정지 객체의 영속성을 유지하고 실제 가려진 객체는 제거한다."