포즈 가이드 구조화된 영역 앙상블 네트워크를 이용한 단계적 손 포즈 추정

단일 깊이 이미지에서의 손 포즈 추정은 컴퓨터 비전과 인간-컴퓨터 상호작용 분야에서 중요한 주제입니다. 최근 합성곱 신경망(convolutional neural network)에 의해 이 분야에서 많은 발전이 이루어졌음에도 불구하고, 정확한 손 포즈 추정은 여전히 어려운 문제입니다. 본 논문에서는 손 포즈 추정의 성능을 향상시키기 위해 포즈 안내 구조적 영역 앙상블 네트워크(Pose guided structured Region Ensemble Network, Pose-REN)를 제안합니다. 제안된 방법은 초기 추정된 포즈를 안내로 하여 합성곱 신경망의 특징 맵(feature maps)에서 영역을 추출하여, 손 포즈 추정에 더 최적이고 대표적인 특징을 생성합니다. 추출된 특징 영역들은 손 관절의 위상(topology)에 따라 나무 구조(tree-structured)의 완전 연결(full connections)을 사용하여 계층적으로 통합됩니다. 제안된 네트워크는 직접적으로 손 포즈의 개선된 추정값을 회귀(regression)하며, 반복적인 캐스케이드(iterative cascaded) 방법을 활용하여 최종적인 손 포즈를 얻습니다. 공개된 손 포즈 데이터셋에 대한 광범위한 실험 결과, 본 연구가 기존 최신 알고리즘들을 능가함을 입증하였습니다.