초록
우리는 강체 물체의 자세 추정 문제를 시점 결정을 통해 대략적인 자세를 설명하고, 주요 점 예측을 통해 더 세부적인 특징을 포착하는 두 가지 측면으로 정의합니다. 우리는 이 두 가지 작업을 알려진 경계 상자(bounding box)가 있는 제약 조건 하에서와 객체의 검출과 올바른 자세 추정을 동시에 수행해야 하는 더 어려운 검출 환경에서 각각 다룹니다. 이러한 작업들을 위해 합성곱 신경망(Convolutional Neural Network, CNN) 기반 구조를 제시하며, 시점 추정을 활용하면 지역적 외관 기반 주요 점 예측이 크게 개선될 수 있음을 보여줍니다. 위의 작업들에서 최신 연구 결과(state-of-the-art)보다 유의미한 성능 향상을 달성한 것뿐만 아니라, 오류 모드와 객체 특성이 성능에 미치는 영향을 분석하여 이 목표를 위한 향후 연구 방향을 안내합니다.