DVMN: 깊이 보완을 위한 밀도 있는 유효성 마스크 네트워크

LiDAR 깊이 맵은 다양한 응용 분야에서 환경에 대한 안내 정보를 제공한다. 그러나 이러한 깊이 맵은 일반적으로 희소하고 자율 주행과 같은 복잡한 작업에는 부족한 경우가 많다. 최신 기법들은 이미지 유도 신경망을 활용하여 밀도 높은 깊이 보완을 수행한다. 본 연구에서는 희소 깊이 맵으로부터 밀도 높고 유효한 정보를 효과적으로 수집하는 데 초점을 맞춘 유도형 합성곱 신경망을 개발한다. 이를 위해, 희소 입력에서 추가적인 데이터를 포함하기 위해 공간적으로 변하는 및 콘텐츠에 따라 달라지는 확장(dilation)을 가진 새로운 레이어를 제안한다. 또한, 희소성에 영향을 받지 않는 잔차 블록(bottleneck block)을 제안한다. 제안한 밀도 있는 유효성 마스크 네트워크(Dense Validity Mask Network, DVMN)를 KITTI 깊이 보완 벤치마크에서 평가한 결과, 최신 기술 수준의 성능을 달성하였다. 제출 시점 기준으로 본 네트워크는 희소성에 불변(invariant)하는 합성곱을 사용하는 선도적인 방법이다.