다중 규모 연속 CRFs를 단일 카메라 깊이 추정을 위한 순차적 딥 네트워크로 활용

본 논문은 단일 정지 이미지에서 깊이 추정 문제를 다룹니다. 최근 다중 스케일 컨볼루션 신경망(CNN)에 관한 연구들에서 영감을 받아, 여러 CNN 사이드 출력으로부터 유래된 보완 정보를 융합하는 심층 모델을 제안합니다. 기존 방법들과는 달리, 이 융합은 연속 조건부 랜덤 필드(CRFs)를 통해 이루어집니다. 특히, 우리는 두 가지 다른 변형을 제안하는데, 하나는 여러 CRF들의 캐스케이드 기반이고, 다른 하나는 통합 그래픽 모델 기반입니다. 연속 CRF의 평균장 업데이트를 위한 새로운 CNN 구현 방식을 설계함으로써, 제안된 두 모델 모두 순차적 심층 네트워크로 간주될 수 있으며, 학습은 end-to-end 방식으로 수행될 수 있음을 보여줍니다. 광범위한 실험 평가를 통해 본 연구 접근법의 효과성을 입증하고 공개 데이터셋에서 새로운 최신 성과를 확립하였습니다.