ACDNet: 단안 패노라마 깊이 추정을 위한 적응형 확장 컨볼루션의 조합

최근 몇 년간 파노라마 이미지를 활용한 3D 재구성에서 깊이 추정은 핵심적인 단계로 부각되고 있다. 파노라마 이미지는 완전한 공간 정보를 유지하지만, 등각도 투영(equirectangular projection)을 사용함으로써 왜곡을 유발한다. 본 논문에서는 단일 파노라마 이미지에 대한 밀도 높은 깊이 맵을 예측하기 위해 적응형으로 결합된 확장 컨볼루션(Adaptively Combined Dilated Convolution) 기반의 ACDNet을 제안한다. 구체적으로, 다양한 확장률(dilation)을 가진 컨볼루션 커널을 조합하여 등각도 투영 상에서 수용 영역(receptive field)을 확장한다. 동시에, 채널별 특징 맵을 요약하고 수용 영역 내에서 다양한 주의 영역을 도출하기 위해 적응형 채널별 융합 모듈(adaptive channel-wise fusion module)을 도입한다. 이 모듈은 채널별 주의 메커니즘(channel-wise attention)을 활용함으로써, 채널 간의 맥락 정보를 효율적으로 포착하고 활용할 수 있다. 마지막으로, 가상과 실제 세계 데이터셋 총 세 개에서 깊이 추정 실험을 수행하였으며, 실험 결과 제안하는 ACDNet이 현재 최고 성능(SOTA) 기법들을 상당히 초월함을 입증하였다. 본 연구의 코드 및 모델 파라미터는 https://github.com/zcq15/ACDNet 에서 접근할 수 있다.