AtLoc: 주의 기반 카메라 위치 결정

딥러닝은 카메라 위치 추정 분야에서 놀라운 성과를 거두었지만, 현재의 단일 이미지 기반 기법은 일반적으로 견고성이 부족하여 큰 이상치(outlier)가 발생하는 문제가 있다. 이 문제는 일정 정도 순차적(다중 이미지) 또는 기하학적 제약을 활용한 접근법을 통해 해결되어 왔으며, 이러한 방법들은 동적 객체나 조명 조건과 같은 요소를 학습 과정에서 거부함으로써 더 나은 성능을 달성할 수 있다. 본 연구에서는 주목(attention) 기법을 활용하여 네트워크가 더 기하학적으로 견고한 객체와 특징에 집중하도록 유도할 수 있음을 보여준다. 이로 인해 단일 이미지만을 입력으로 사용함에도 불구하고 일반 벤치마크에서 최신 기술 수준의 성능을 달성할 수 있다. 공개된 실내 및 실외 데이터셋을 활용한 광범위한 실험 결과를 통해 본 연구의 효과를 입증하였다. 또한 시각화된 샐런시 맵(saliency map)을 통해 네트워크가 어떻게 동적 객체를 효과적으로 거부하는지를 분석하였으며, 이는 전반적인 카메라 자세 회귀 성능의 향상으로 이어짐을 보였다. 소스 코드는 다음 주소에서 확인할 수 있다: https://github.com/BingCS/AtLoc.