3D 인간 자세 추정을 위한 다중 데이터셋 일반화를 개선하는 카메라 시점 예측

단안을 이용한 3차원 인간 자세 추정은 대규모 참조 움직임 캡처 데이터셋의 가용성과 함께 점점 더 많은 관심을 받고 있다. 그러나 사용 가능한 훈련 데이터의 다양성은 여전히 제한적이며, 이러한 방법들이 훈련된 특정 데이터셋 외부로 얼마나 잘 일반화되는지에 대해서는 명확하지 않다. 본 연구에서는 5개의 자세 데이터셋을 아우르는 종합적인 범위에서, 특정 데이터셋 내에 존재하는 다양성과 편향이 데이터셋 간 일반화에 미치는 영향에 대해 체계적인 연구를 수행한다. 특히 신체 중심 좌표계에 비해 카메라 시점 분포에 존재하는 체계적인 차이에 초점을 맞춘다. 이러한 관찰을 바탕으로, 자세 예측 외에도 카메라 시점을 예측하는 보조 과제를 제안한다. 그 결과, 자세와 시점을 동시에 예측하도록 훈련된 모델이 데이터셋 간 일반화 성능에서 체계적으로 향상됨을 확인하였다.