초록
최근 영상에서 깊이를 비지도 학습하는 기술은 빠르게 발전하여 KITTI와 같은 실외 환경에서 완전히 지도 학습 방법과 비교 가능한 성능을 달성하고 있다. 그러나 실내 환경에 직접 적용할 경우 여전히 많은 도전 과제가 존재한다. 예를 들어, 흰 벽과 같은 텍스처가 거의 없는 광범위한 영역, 핸드헬드 카메라에 의한 더 복잡한 자가 운동(ego-motion), 투명한 유리, 반사성 물체 등이 대표적인 예이다. 이러한 문제를 극복하기 위해, 우리는 텍스처가 없는 영역을 효과적으로 다루고 비지도 학습의 난이도를 낮추기 위해 명확한 학습 목표를 제공하는 새로운 광흐름 기반 학습 프레임워크를 제안한다. 실험적 평가를 통해 제안한 방법이 NYU Depth V2 벤치마크에서 완전히 지도 학습 방법과 비슷한 성능을 보임을 입증하였다. 우리가 알고 있는 바에 따르면, 이는 실내 데이터셋에서 순수하게 비지도 학습 방법에 대한 최초의 정량적 결과이다.