엔드투엔드 미분 가능한 6DoF 물체 자세 추정: 국지적 및 전역적 제약 조건을 통한 접근

단일 RGB 이미지에서 물체의 6DoF 자세를 추론하는 것은 특히 강한 가림 현상이 발생할 경우 매우 중요한 그러나 도전적인 과제이다. 최근의 접근 방식들은 두 단계 기반 방법을 개선하기 위해 엔드 투 엔드 파이프라인을 학습하고 있지만, 국소적 및 전역적 제약 조건을 효과적으로 활용하지 못하고 있다. 본 논문에서는 국소적 제약 조건을 통합하기 위해 쌍별 특징 추출(pairwise feature extraction)을, 전역적 제약 조건을 통합하기 위해 삼중 제약(triplet regularization)을 제안한다. 이를 더 나은 증강 기법과 결합함으로써, 도전적인 가림 Linemod 데이터셋에서 기존 최고 성능 대비 9% 향상된 최신 기준 성능을 달성하였으며, Linemod 데이터셋에서도 경쟁 가능한 성능을 보였다.