초록
딥 신경망을 이용한 광학 흐름 추정 분야에서 상당한 진전이 이루어졌다. 고도화된 딥 모델은 높은 정확도의 흐름 추정을 달성하지만, 일반적으로 계산 복잡도가 높고 학습 과정이 시간이 많이 소요되는 문제가 있다. 본 연구에서는 실시간 광학 흐름 추정을 위한 경량화되면서도 효과적인 모델인 FDFlowNet(Fast Deep FlowNet)을 제안한다. 제안된 모델은 도전적인 KITTI 및 Sintel 벤치마크에서 기존의 PWC-Net보다 약 2배 빠르면서도 유사하거나 더 높은 정확도를 달성하였다. 이는 철저하게 설계된 아키텍처와 새로 제안된 구성 요소들을 통해 가능해졌다. 먼저, 피라미드 네트워크와 비교하여 상위 레벨에 전역 수용 영역(global receptive field)을 제공하는 다중 스케일 특징을 구성하기 위해 U-모양 구조의 네트워크를 도입하였다. 각 스케일에서는 순차 연결 구조나 밀집 연결 구조와 비교하여 속도, 정확도, 파라미터 수 사이의 균형을 잘 유지하는 부분적 완전 연결 구조와 확장된 컨볼루션(dilated convolution)을 제안하였다. 실험 결과, 제안된 모델은 빠르고 가벼우면서도 최신 기술 수준(SOTA)의 성능을 달성함을 입증하였다.