초록
특징 표현은 시각적 대응 문제에서 핵심적인 역할을 하며, 최근 이미지 매칭 기법들은 깊이 있는 순환 컨볼루션 계층을 활용하고 있다. 그러나 이러한 모델들은 일반적으로 특정 레이어의 특징(예: 마지막 레이어의 출력)을 고정하여 사용하는 방식으로, 매칭 대상이 되는 이미지에 따라 유연하게 조정되지 않는다는 점에서 단일 구조적이고 정적인 성향을 지닌다. 본 연구에서는 매칭 대상 이미지에 따라 관련성이 높은 레이어를 조건부로 선택함으로써 동적으로 효과적인 특징을 구성하는 새로운 접근법을 제안한다. 객체 탐지에서의 다층 특징 조합과 분류에서의 적응형 추론 아키텍처를 영감으로 삼아, 제안하는 방법인 '동적 하이퍼픽셀 플로우(Dynamic Hyperpixel Flow)'는 깊은 컨볼루션 신경망에서 소수의 관련 레이어를 선택하여 실시간으로 하이퍼컬럼 특징을 구성하도록 학습한다. 본 방법은 동일한 객체 또는 장면 카테고리의 서로 다른 인스턴스를 포함한 이미지 간의 의미적 대응(semantic correspondence) 문제에 대해 효과성을 입증하였다. 표준 벤치마크에서의 실험 결과, 제안 방법은 적응적이고 효율적인 방식으로 기존 최고 수준의 기법들을 크게 능가하는 매칭 성능을 보였다.