DeepFlux for Skeletons in the Wild wilD 환경에서의 DeepFlux 스켈레톤 추출 방법

자연 이미지에서 객체 스켈레톤을 계산하는 것은 객체의 외관과 크기에 대한 큰 변동성, 그리고 배경 잡음 처리의 복잡성 때문에 어려운 문제입니다. 최근의 많은 방법들은 객체 스켈레톤 검출을 이진 픽셀 분류 문제로 정식화하는데, 이는 학습 기반 에지 검출 및 의미론적 세그멘테이션 방법과 유사한 접근 방식을 취합니다. 본 논문에서는 이러한 전략에서 벗어나 CNN을 훈련시켜 각 장면 점(scene point)을 후보 스켈레톤 픽셀로 매핑하는 2차원 벡터 필드를 예측하도록 합니다. 이는 플럭스 기반 스켈레톤화 알고리즘의 정신에 따라 수행됩니다. "이미지 컨텍스트 플럭스" 표현은 이전 접근 방식보다 두 가지 주요 장점을 가지고 있습니다. 첫째, 이 표현은 공간적 맥락 내의 이미지 점과 같은 의미론적으로 중요한 엔티티와 스켈레톤 픽셀 간의 상대 위치를 명시적으로 인코딩하므로, 암시된 객체 경계도 함께 인코딩됩니다. 둘째, 스켈레톤 검출 컨텍스트가 지역 기반 벡터 필드이기 때문에, 폭이 큰 객체 부분을 더 잘 처리할 수 있습니다. 우리는 제안된 방법을 스켈레톤 검출에 대한 세 개의 벤치마크 데이터셋과 대칭성 검출에 대한 두 개의 데이터셋에서 평가하였으며, 최신 연구 방법들보다 일관되게 우수한 성능을 보였습니다.