초록
우리는 두 이미지 간의 상대 호모그래피를 추정하기 위한 깊은 합성곱 신경망을 제시합니다. 우리의 순전파 네트워크는 10개의 레이어로 구성되며, 두 개의 중첩된 그레이스케일 이미지를 입력으로 받아 첫 번째 이미지의 픽셀을 두 번째 이미지로 매핑하는 8자유도 호모그래피를 출력합니다. 우리는 호모그래피넷(HomographyNet)을 위한 두 가지 합성곱 신경망 구조를 제시합니다: 하나는 실수 값 호모그래피 매개변수를 직접 추정하는 회귀 네트워크이고, 다른 하나는 양자화된 호모그래피 분포를 생성하는 분류 네트워크입니다. 우리는 한 이미지의 네 모서리를 두 번째 이미지로 매핑하는 4점 호모그래피 매개변수화를 사용합니다. 우리의 네트워크는 왜곡된 MS-COCO 이미지를 사용하여 엔드투엔드 방식으로 훈련됩니다. 우리의 접근 방식은 별도의 로컬 특징 검출 및 변환 추정 단계가 필요하지 않습니다. 우리의 깊은 모델들은 ORB 특징 기반 전통적인 호모그래피 추정기와 비교되며, 호모그래피넷이 전통적인 기술보다 우수한 시나리오들을 강조합니다. 또한, 깊은 호모그래피 추정을 활용한 다양한 응용 프로그램들을 설명함으로써 딥러닝 접근 방식의 유연성을 보여줍니다.