ORBIT: 가르칠 수 있는 객체 인식을 위한 실제 세계 소수 샘플 데이터셋

지난 10년간 객체 인식 기술은 큰 발전을 이뤘지만, 여전히 각 객체 카테고리당 많은 양의 고품질 학습 예제에 의존하고 있다. 반면, 단 몇 개의 예제로부터 새로운 객체를 학습할 수 있다면 로봇공학부터 사용자 맞춤화에 이르기까지 다양한 영향력 있는 응용이 가능해질 수 있다. 그러나 대부분의 소수 학습(few-shot learning) 연구는 실제 세계에서 적용될 때 직면하게 될 높은 변동성을 반영하지 못한 벤치마크 데이터셋에 의해 주도되어 왔다. 이 격차를 메우기 위해, 시각 장애인/저시력자를 위한 교육 가능한 객체 인식기의 실제 응용을 기반으로 한 ORBIT 데이터셋과 벤치마크를 제안한다. 이 데이터셋은 시각 장애인/저시력자가 스마트폰으로 촬영한 총 486개의 객체에 대한 3,822개의 영상으로 구성되어 있다. 벤치마크는 현실적이고 매우 도전적인 인식 문제를 반영하며, 소수 예제 및 높은 변동성 조건에서의 강건성(robustness)을 연구할 수 있는 풍부한 실험 환경을 제공한다. 우리는 벤치마크의 최초 최고 성능(첫 번째 state-of-the-art)을 설정하였으며, 향후 혁신의 여지가 막대함을 보여주고, 시각 장애인/저시력자 공동체를 위한 도구를 포함한 다양한 실제 비전 응용 분야에 영향을 미칠 잠재력을 지닌다. 데이터셋은 https://doi.org/10.25383/city.14294597 에서, 벤치마크 코드는 https://github.com/microsoft/ORBIT-Dataset 에서 공개한다.