Deep MANTA: 단일 이미지에서 2D 및 3D 차량 분석을 위한 대규모 과제 네트워크

본 논문에서는 주어진 이미지에서 다중 작업 차량 분석을 위한 새로운 접근 방식인 딥 매타나(Deep MANTA, Deep Many-Tasks)를 제시합니다. 이 접근 방식은 차량 검출, 부품 위치 결정, 가시성 특성화 및 3D 차원 추정을 동시에 수행하는 강건한 컨볼루션 네트워크를 소개합니다. 그 구조는 차량 검출 성능을 향상시키는 새로운 거칠기-세밀 객체 제안(coarse-to-fine object proposal) 기법을 기반으로 합니다. 또한, 딥 매타나 네트워크는 해당 부품이 보이지 않더라도 차량 부품의 위치를 정확히 결정할 수 있습니다. 추론 과정에서는 네트워크의 출력값들이 실시간 강건한 자세 추정 알고리즘에 의해 세밀한 방향 추정과 3D 차량 위치 결정에 활용됩니다. 실험 결과를 통해 본 방법론이 매우 어려운 KITTI 벤치마크에서 단일 카메라 기반 최신 접근 방식들보다 차량 검출, 방향 및 3D 위치 태스크에서 우수한 성능을 보임을 입증하였습니다.