초록
다중 시점 감지는 차단을 처리하기 위해 여러 카메라 시점을 통합하며, 그 핵심 문제는 다중 시점 집계입니다. 여러 시점에서 공통 지면 평면으로의 특성 맵 투사를 주어졌을 때, 최신 방법은 이 문제를 컨볼루션을 통해 해결합니다. 컨볼루션은 객체 위치에 관계없이 동일한 계산을 적용하지만, 이러한 변환 불변 특성이 항상 최선의 선택은 아닐 수 있습니다. 객체 특성은 위치와 카메라에 따라 다양한 투상 왜곡을 겪기 때문입니다. 본 논문에서는 새로운 그림자 트랜스포머를 도입하여 다중 시점 정보를 집계하는 혁신적인 다중 시점 감지기인 MVDeTr(Multi-View Detection Transformer)를 제안합니다. 컨볼루션과 달리, 그림자 트랜스포머는 위치와 카메라에 따라 다르게 주의를 기울여 다양한 그림자와 같은 왜곡을 처리합니다. 우리는 다중 시점 일관성을 유지하면서 임의의 증강을 적용하는 새로운 뷰 일관성 데이터 증강 방법을 포함하는 효과적인 학습 방안을 제안합니다. 두 개의 다중 시점 감지 벤치마크에서 제안된 시스템으로 새로운 최고 수준의 정확도를 보고합니다. 코드는 https://github.com/hou-yz/MVDeTr에서 확인할 수 있습니다.