Hi-Fi: 계층적 특성 통합을 이용한 스켈레톤 검출

자연 이미지에서 객체 스켈레톤의 크기(두께)는 객체와 객체 부분 간에 크게 달라질 수 있어, 객체 스켈레톤 검출이 어려운 문제로 여겨집니다. 본 연구에서는 이 문제를 해결하기 위해 새로운 계층적 특성 통합 메커니즘인 Hi-Fi를 도입한 새로운 컨볼루션 신경망(CNN) 구조를 제시합니다. 제안된 CNN 기반 접근 방식은 깊은 층에서 고차원적인 의미를, 얕은 층에서 저차원적인 세부 정보를 내재적으로 포착하는 강력한 다중 규모 특성 통합 능력을 갖추고 있습니다. % 양방향 안내를 통해 서로 다른 CNN 특성 레벨을 계층적으로 통합함으로써, 본 접근 방식은 (1) 서로 다른 레벨의 특성 간 상호 정교화를 가능하게 하고, (2) 풍부한 객체 맥락과 고해상도 세부 정보를 동시에 포착할 수 있는 강력한 능력을 지니고 있습니다. 실험 결과는 본 방법론이 매우 다양한 규모의 특성을 효과적으로 융합하는 면에서 최신 기법들을 크게 능가한다는 것을 보여주며, 여러 벤치마크에서 상당한 성능 개선을 입증하고 있습니다.