회전 객체 탐지의 재고찰: 가우시안 워샤르슈타인 거리 손실을 활용하여

회전 검출에서 회귀 손실 설계의 주요 과제는 경계 불연속성과 최종 검출 지표와의 일관성 부족 문제였다. 본 논문에서는 이 문제를 근본적으로 해결하기 위한 새로운 회귀 손실을 제안한다. 구체적으로, 회전 경계 박스를 2차원 가우시안 분포로 변환함으로써, 미분 불가능한 회전 IoU에 기반한 손실을 가우시안 워셔스타인 거리(Gaussian Wasserstein Distance, GWD)로 근사할 수 있다. 이 GWD는 기울기 역전파를 통해 효율적으로 학습이 가능하다. 특히, 소객체 검출에서 자주 발생하는 두 회전 경계 박스 간 겹침이 없는 경우에도 GWD는 여전히 학습에 유용한 정보를 제공한다. GWD는 세 가지 독특한 특성 덕분에, 경계 박스의 정의 방식에 관계없이 경계 불연속성 문제와 사각형 형태의 문제를 우아하게 해결할 수 있다. 다양한 검출기로 구성된 다섯 개의 데이터셋에서 수행한 실험을 통해 본 방법의 효과성을 입증하였다. 코드는 다음의 주소에서 제공된다: https://github.com/yangxue0827/RotationDetection 및 https://github.com/open-mmlab/mmrotate.