AWR: 3D 손 자세 추정을 위한 적응적 가중 회귀

본 논문에서는 탐지 기반 및 회귀 기반 방법의 장점을 결합하기 위해 적응형 가중치 회귀(Adaptive Weighting Regression, AWR) 방법을 제안한다. 손 관절 좌표는 밀도 높은 표현에서 모든 픽셀의 이산적 통합으로 추정되며, 이 과정은 적응형 가중치 맵에 의해 안내된다. 학습 가능한 집계 과정은 밀도 높은 표현과 관절에 대한 동시에 감독을 도입함으로써 엔드 투 엔드 학습을 가능하게 하며, 가중치 맵의 적응성을 부여하여 네트워크의 정확성과 견고성을 향상시킨다. 다양한 실험 설정 하에서 AWR의 효과성과 일반성을 검증하기 위해 체계적인 탐색 실험을 수행하였다. 특히, 다양한 유형의 밀도 높은 표현 및 입력 모달리티에 대한 유용성을 입증하였다. 제안한 방법은 NYU, ICVL, MSRA 및 HANDS 2017 데이터셋을 포함한 네 가지 공개 데이터셋에서 기존 최고 수준의 방법들을 모두 상회하는 성능을 보였다.