컨텐츠 적응형 다중 해상도 병합을 통한 단일 이미지 깊이 추정 모델의 고해상도 향상

신경망은 단일 이미지에서 깊이를 추정하는 데 있어 뛰어난 능력을 보여주고 있다. 그러나 추정된 깊이 맵의 해상도는 일반적으로 1메가픽셀 미만이며, 종종 세밀한 세부 정보가 부족하여 실용성에 한계가 있다. 본 연구에서는 입력 해상도와 장면 구조가 깊이 추정 성능에 미치는 영향에 대한 분석을 바탕으로 새로운 방법을 제안한다. 우리는 일관된 장면 구조와 고주파 세부 정보 사이에 상충 관계가 있음을 입증하고, 저해상도와 고해상도 추정 결과를 단순한 깊이 병합 네트워크를 통해 융합함으로써 이 이중성을 활용한다. 제안된 이중 추정 방식은 전체 이미지의 깊이 추정 정확도를 향상시키며, 패치 선택 기법을 통해 최종 결과에 국소적인 세부 정보를 추가한다. 본 연구에서는 다양한 해상도에서 추정 결과를 맥락을 변화시키며 병합함으로써, 사전 훈련된 모델을 이용해 다이메가픽셀급의 세밀한 깊이 맵을 생성할 수 있음을 실험적으로 입증한다.