CullNet: 객체 자세 추정을 위한 보정 및 자세 인식(confidence) 점수

본 논문에서는 단일 뷰 기반 이미지에서의 객체 자세 추정을 위한 새로운 접근 방식을 제안한다. 구체적으로, 여러 자세 제안 값 중에서 거짓 양성(false positives)을 제거하는 문제를 다룬다. 본 연구에서 제안하는 방법은 현재 많은 기법에서 사용하는 CNN이 예측하는 신뢰도 값(confidence values)의 정확도 부족 문제를 해결하는 데 초점을 맞추고 있다. 이를 위해 우리는 CullNet이라는 네트워크를 제안한다. CullNet은 3D 모델에서 렌더링한 자세 마스크와 원본 이미지에서 자른 영역의 쌍을 입력으로 받아, 자세 제안 값의 신뢰도 점수를 보정한다. 실험 결과에 따르면, 이 새로운 신뢰도 점수 집합은 정확한 객체 자세 추정에 있어 기존 방법보다 훨씬 신뢰할 수 있음을 확인하였다. 다양한 도전적인 데이터셋(LINEMOD 및 Occlusion LINEMOD)에서의 실험 결과는 본 연구에서 제안하는 방법의 실용성을 입증한다. 제안된 전반적인 자세 추정 파이프라인은 이러한 표준 객체 자세 추정 데이터셋에서 최신 기술을 능가하는 성능을 보였다. 본 연구의 코드는 공개되어 있으며, https://github.com/kartikgupta-at-anu/CullNet 에서 확인할 수 있다.