컨텐츠 인식형 비지도 딥 호모지어 추정

호모지네이션 추정은 다양한 응용 분야에서 기초적인 이미지 정렬 방법이다. 일반적으로 희소 특징점들을 추출하고 매칭하는 방식으로 수행되며, 저조도 또는 저텍스처 이미지에서는 오류 발생이 빈번하다. 한편 기존의 딥 호모지네이션 접근 방식은 감독 학습을 위해 합성 이미지를 사용하거나, 비감독 학습을 위해 항공 이미지만을 활용하는 등, 실제 응용 환경에서의 깊이 차이와 움직이는 객체를 다루는 중요성을 간과해왔다. 이러한 문제를 해결하기 위해 본 연구에서는 새로운 아키텍처 설계를 갖춘 비감독 딥 호모지네이션 방법을 제안한다. 기존 방법에서 RANSAC 절차의 정신을 계승하여, 신뢰할 수 있는 영역만을 선택할 수 있도록 이상치 마스크를 특별히 학습한다. 이전 방법이 이미지 콘텐츠를 직접 비교하여 손실을 계산한 것과 달리, 본 연구에서는 학습된 딥 특징에 기반하여 손실을 계산한다. 비감독 학습을 구현하기 위해, 본 네트워크에 특화된 새로운 트리플릿 손실을 제안한다. 제안한 방법의 유효성을 검증하기 위해, 다양한 난이도의 시나리오를 포함하는 새로운 데이터셋을 기반으로 포괄적인 비교 실험을 수행하였다. 실험 결과, 기존의 최첨단 딥 솔루션 및 특징 기반 솔루션을 모두 상회함을 확인할 수 있었다.