단일 이미지 깊이 추정 재검토: 정확한 객체 경계를 가진 고해상도 맵으로의 진전

본 논문은 단일 이미지 깊이 추정 문제를 다룹니다. 최근에 합성곱 신경망(CNNs)의 활용으로 이 문제에 대한 연구에서 상당한 발전이 이루어졌습니다. 그러나 대부분의 기존 방법들은 추정된 깊이 맵에서 공간 해상도가 손실되는 문제를 겪고 있으며, 대표적인 증상으로는 객체 경계의 왜곡과 흐림이 있습니다. 본 논문에서는 더 정확한 추정을 위해, 특히 높은 공간 해상도를 가진 깊이 맵에 초점을 맞추어 두 가지 개선 방안을 제안합니다. 하나는 다른 스케일에서 추출된 특징들을 융합하는 전략에 관한 것입니다. 이를 위해 우리는 인코더, 디코더, 다중 스케일 특징 융합 모듈, 그리고 정제 모듈로 구성된 개선된 네트워크 구조를 제안합니다. 다른 하나는 추론 오류를 측정하는 데 사용되는 손실 함수에 관한 것입니다. 우리는 깊이, 그래디언트, 그리고 표면 법선 각각의 오류를 측정하는 세 가지 손실 항목들이 보완적인 방식으로 정확도 향상에 기여함을 보여줍니다. 실험 결과는 이러한 두 가지 개선 방안이 현재 최신 기술보다 더 높은 정확도를 달성할 수 있음을 입증하며, 예를 들어 작은 객체와 객체 경계에서 더욱 세밀한 해상도 재구성을 제공합니다.