스테레오 기반 깊이 추정을 위한 딥러닝 기법에 관한 종합적 조사

RGB 이미지로부터 깊이를 추정하는 것은 컴퓨터 비전, 그래픽스 및 머신러닝 분야에서 수십 년 동안 연구되어온 오랫동안 해결되지 않은 불안정한 문제이다. 기존 기술 중에서 스테레오 매칭은 인간의 이중 시각 시스템과 밀접한 관련을 가지며, 문헌에서 가장 널리 사용되는 기법 중 하나로 남아 있다. 기존의 스테레오 기반 깊이 추정은 주로 여러 이미지 간에 수작업으로 설계된 특징을 매칭하는 방식으로 접근해왔다. 비록 광범위한 연구가 이루어졌음에도 불구하고, 이러한 전통적인 기법은 고도로 텍스처가 있는 영역, 큰 균일한 영역, 그리고 가림 현상이 발생하는 경우 여전히 성능 저하를 겪는다. 다양한 2D 및 3D 비전 문제 해결에서의 점진적인 성공을 계기로, 스테레오 기반 깊이 추정에 대한 딥러닝 기법에 대한 관심이 급증하고 있으며, 2014년부터 2019년까지 이 분야에만 150편 이상의 논문이 발표되었다. 이러한 새로운 세대의 방법들은 성능 면에서 상당한 도약을 보였으며, 자율 주행 및 증강 현실과 같은 응용 분야를 가능하게 하였다. 본 논문에서는 이 새로운 분야이자 지속적으로 성장하는 연구 분야를 포괄적으로 조망하고, 가장 일반적으로 사용되는 파이프라인들을 요약하며, 각각의 장점과 한계를 논의한다. 지금까지 달성된 성과를 되돌아보며, 딥러닝 기반 스테레오 기법을 이용한 깊이 추정 연구의 미래 전망에 대해서도 제안한다.