유사성에 기반한 학습: 비감독 광흐름 추정을 위한 변환을 통한 신뢰할 수 있는 감독 정보

시각 합성에서 유도하는 감독 신호를 활용하는 비지도 학습 기반 광류( optical flow) 학습은 지도 학습 방법에 대한 유망한 대안으로 부상하고 있다. 그러나 도전적인 장면에서는 비지도 학습의 목적 함수가 신뢰할 수 없는 결과를 초래할 가능성이 있다. 본 연구에서는 변환(transformations)에서 유도하는 더 신뢰할 수 있는 감독 신호를 활용하는 프레임워크를 제안한다. 이 방법은 일반적인 비지도 학습 파이프라인을 단순히 변형하여, 데이터 증강(augmentation)을 통해 얻은 변환된 데이터로 추가적인 전방 전파(forward pass)를 수행하고, 원본 데이터의 예측 결과를 변환한 형태로 사용하여 자체 감독(self-supervision) 신호로 활용한다. 또한, 다중 프레임을 처리할 수 있는 가벼운 네트워크 아키텍처를 도입하며, 높은 수준의 가중치 공유를 갖춘 흐름 디코더(flow decoder)를 사용한다. 제안한 방법은 여러 벤치마크에서 깊이 있는 비지도 학습 기법 중 최고의 정확도를 지속적으로 달성하며 성능 향상을 크게 이룬다. 또한, 파라미터 수가 훨씬 적은 비율로 최근의 완전히 지도 학습 기법과 경쟁 가능한 성능을 달성하였다.