Veritatem Dies Aperit - 다중 작업 기하학적 및 의미론적 장면 이해 접근법을 통한 시간 일관성 깊이 예측

강건한 기하학적 및 의미론적 장면 이해는 자율 주행 및 로봇 네비게이션과 같은 많은 실제 응용 분야에서 점점 더 중요해지고 있습니다. 본 논문에서는 기하학적 및 의미론적 장면 이해를 동시에 수행할 수 있는 다중 작업 학습 기반 접근법을 제안합니다. 이 접근법은 단일 시계열 제약 재귀 신경망 내에서 모노클라우어 깊이 추정(Monocular Depth Estimation) 및 깊이 완성(Depth Completion)과 의미론적 장면 분할(Semantic Scene Segmentation)을 공동으로 수행할 수 있습니다. 우리의 접근법은 복잡한 스킵 연결, 적대적 훈련, 그리고 순차 프레임 재귀의 시계열 제약을 독특하게 활용하여 일관된 깊이와 의미 클래스 라벨을 동시에 생성합니다. 광범위한 실험 평가를 통해 우리의 접근법이 다른 현대적인 최신 기술에 비해 효과적이음을 입증하였습니다.