보행자 합성 GAN: 실제 장면 및 그 이상의 보행자 데이터 생성

최신 보행자 검출 모델들은 많은 벤치마크에서 큰 성공을 거두었습니다. 그러나 이러한 모델들은 많은 주석 정보를 필요로 하며, 라벨링 과정은 일반적으로 많은 시간과 노력이 소요됩니다. 본 논문에서는 보행자 검출기의 훈련을 지원하기 위해 라벨이 부착된 보행자 데이터를 생성하는 방법을 제안합니다. 제안된 프레임워크는 다중 판별기를 사용한 생성적 적대 네트워크(GAN)에 기반하여, 현실적인 보행자를 합성하고 동시에 배경 맥락을 학습하려고 합니다. 다양한 크기의 보행자를 처리하기 위해 판별기에 공간 피라미드 풀링(SPP) 계층을 채택하였습니다. 우리는 두 개의 벤치마크에서 실험을 수행하였으며, 결과는 우리의 프레임워크가 다양한 변형과 세부 수준의 배경 이미지 위에서 부드럽게 보행자를 합성할 수 있음을 보여주었습니다. 우리의 접근 방식을 정량적으로 평가하기 위해, 생성된 샘플들을 기준 보행자 검출기의 훈련 데이터에 추가하고 합성 이미지들이 검출기의 성능 향상에 기여함을 입증하였습니다.