DGC-Net: 밀도 높은 기하학적 대응 네트워크

본 논문은 두 이미지 간 밀도 높은 픽셀 대응 추정의 문제를 다룹니다. 이 문제는 최근에 ConvNets(CNNs)가 상당한 진전을 이룬 광학 흐름 추정 작업과 밀접한 관련이 있습니다. 광학 흐름 방법들은 작은 픽셀 이동과 제한된 외관 변화 시나리오에서 매우 정확한 결과를 생성하지만, 본 연구에서 고려하는 강력한 기하 변환에는 거의 대처할 수 없습니다. 본 논문에서는 이러한 큰 변환을 처리하면서 광학 흐름 접근법의 장점을 활용하고 확장하여 밀도 높고 서브픽셀 단위로 정확한 추정을 제공할 수 있는 거시적-세부적 CNN 기반 프레임워크를 제안합니다. 이 프레임워크는 합성 변환 데이터로 훈련되었으며, 미경험된 실제 데이터에 대해 매우 우수한 성능을 보여줍니다. 또한, 우리는 제안된 방법을 상대 카메라 자세 추정 문제에 적용하여 모델이 기존의 밀도 높은 접근법보다 우수함을 입증하였습니다.