초록
물체 지속성(Object Permanence)은 직접 인지하지 못하는 상황에서도 물체가 여전히 존재한다는 사실을 이해함으로써, 보이지 않는 물체의 위치에 대해 추론할 수 있게 해준다. 자연적인 시각 장면에서 물체들은 동적으로 서로를 가리거나 포함하기 때문에, 세계에 대한 모델을 구축하는 데 있어 물체 지속성은 필수적이다. 발달 심리학 분야의 심층적 연구들은 물체 지속성을 형성하는 것이 경험을 통해 광범위하게 습득해야 하는 어려운 과제임을 시사한다. 본 연구에서는 데이터 기반으로 물체 지속성을 학습하는 설정을 제안한다. 이 학습 문제를 네 가지 구성 요소로 분해해야 하는 이유를 설명하며, 각각은 물체가 (1) 시각적으로 노출된 상태, (2) 가려진 상태, (3) 다른 물체에 포함된 상태, 그리고 (4) 포함된 물체에 의해 운반되는 상태를 의미한다. 특히 네 번째 하위 과제인, 대상 물체가 포함된 물체에 의해 운반되는 경우는, 보이지 않는 물체의 움직이는 위치에 대해 추론해야 하므로 매우 도전적인 과제이다. 이후 우리는 이러한 네 가지 시나리오 하에서 물체의 위치를 예측할 수 있도록 학습하는 통합적인 딥 아키텍처를 제안한다. 우리는 이 아키텍처와 시스템을 CATER 기반의 새로운 데이터셋을 활용하여 평가하였으며, 기존의 위치 추정 방법 및 다양한 베이스라인보다 우수한 성능을 확인하였다.