깊이 추정은 2차원 이미지나 비디오에서 장면의 3차원 구조 정보를 추론하는 컴퓨터 비전 기술입니다. 이 기술의 목표는 이미지의 각 픽셀에 해당하는 깊이 값, 즉 객체 표면과 카메라 사이의 거리를 예측하는 것입니다. 깊이 정보는 기계가 장면 내의 공간적 관계를 이해하는 데 도움을 주며, 3D 재구성, 로봇 인식, 자율 주행, 증강 현실과 같은 분야에서 매우 중요한 기반 기술입니다.

깊이 추정 기술은 전통적인 기하학적 방법에서 딥러닝 방법으로 발전해 왔습니다. 초기에는 스테레오 비전, 구조광, LiDAR와 같은 센서를 사용하여 시차 계산이나 능동 거리 측정을 통해 깊이 정보를 얻었지만, 이러한 방법은 일반적으로 추가적인 하드웨어 지원이 필요했습니다. 딥러닝 기술의 발전과 함께 연구자들은 단일 이미지를 사용하여 깊이를 직접 예측하는 단안 깊이 추정 방법을 연구하기 시작했습니다. 2014년 뉴욕대학교의 David Eigen 연구팀은 관련 논문을 발표했습니다...다중 스케일 심층 신경망을 이용한 단일 이미지 기반 깊이 맵 예측 본 논문은 다중 스케일 컨볼루션 신경망 기반의 단안 심도 예측 방법을 제안한다. 전역적인 장면 정보와 지역적인 세부 특징을 결합하여 단일 이미지로부터 심도 맵을 예측할 수 있으며, 이는 딥러닝 기반 심도 추정 연구를 위한 중요한 토대를 제공한다.

깊이 추정 기법은 주로 2차원 시각 정보의 공간적 스케일 부족 문제를 해결합니다. 입력 방식에 따라 이 작업은 일반적으로 단안 깊이 추정, 양안 깊이 추정, 다중 시점 깊이 추정으로 분류할 수 있습니다. 단안 방식은 일반 이미지 입력에만 의존하여 객체 크기, 질감, 가림 관계, 장면 구조와 같은 시각적 단서를 학습하여 깊이를 추론합니다. 반면 양안 방식은 여러 대의 카메라 간의 시차 관계를 활용하여 공간적 거리를 계산합니다.

최근 대규모 혼합 데이터셋 학습과 시각적 기반 모델의 개발 덕분에 단안 심도 추정 모델의 제로샷 일반화 능력이 크게 향상되었습니다. 학습 과정에서 접하지 못한 장면에서도 비교적 신뢰할 수 있는 심도 예측을 제공할 수 있게 된 것입니다. 관련 기술은 자율 주행 환경 인식, 로봇 내비게이션, 3D 재구성, 가상 현실(VR), 증강 현실(AR) 등 다양한 분야에 널리 적용되어 기계가 3D 세계를 습득하고 이해하는 데 필수적인 지원을 제공하고 있습니다.