메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이창엽 (포항공과대학교) 김동주 (포항공과대학교) 서영주 (포항공과대학교) 황도경 (포항공과대학교)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제61권 제10호(통권 제563호)
발행연도
2024.10
수록면
139 - 149 (11page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문은 단안 카메라로 깊이를 추정하는 Monocular Depth Estimation(MDE) 분야에서 더욱 정밀한 깊이를 추정하기 위해 새로운 최적화 모듈을 제안한다. 기존에는 단일 이미지를 네트워크에 입력하여 직접적으로 깊이 이미지를 추정하는 회귀방식과 이산화된 깊이 값 클래스들(Bins)을 사전 정의하여 각 픽셀의 Bins 확률을 추정하는 분류 방식을 사용해왔고, 최근에는 기존 분류 방식을 넘어 학습 가능한 Bins에 대한 연구가 활발하게 이루어지고 있다. 이러한 접근 방식의 핵심은 최적의 Bins를 추정하기 위한 Bins 최적화 모듈에 있으며, 다양한 모듈이 제안되며 많은 발전을 거두어 왔다. 그러나, 기존의 모듈들은 네트워크의 어떤 레이어의 출력 표현들을 한정적으로 사용(e.g. Splitter)하거나, 이 출력 표현들이 직접적으로 Bins를 추정는 것이 아닌 어떤 도구(e.g. Attractor)를 사용하여 간접적으로 Bins를 추정하는 등 최적의 Bins 추정에 제한점이 있었다. 그래서 앞서 기술한 제한점을 극복하기 위해, 출력 표현들과 Bins의 1:1 매칭이 이루어지는 방식의 Deformable Cardinality Module(DCM)을 새롭게 제안한다. 이러한 1:1 매칭 방식은 레이어 출력 표현들이 각 Bin에 독립적으로 매칭되고 변형될 수 있도록 하였으며, 각 Bin에 매칭된 표현들이 최적의 방향으로 추정하여 MDE 작업의 성능을 향상시킬 수 있었다. 아울러 최근 MDE 성능 향상을 위해 제안되었던 Split-Transform-Conversion-Merge(STCM) 전략과 함께 사용하여 더욱 정밀한 Bins 추정이 가능하며, 최종적으로 비교 실험을 통해 여러 평가 지표에서 정량적인 성능 향상과 시각적인 측면에서 또한 정상적인 깊이 추정이 가능함을 확인하였다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 제안된 모델
Ⅳ. 실험
V. 결론
REFERENCES

참고문헌 (29)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-090994227