실자극을 통한 실내 360° 세미틱 세그멘테이션을 위한 보완적 양방향 특징 압축

최근 들어, 수평적 표현 기반의 전경각 세분화 접근법이 투영 기반 솔루션을 능가하고 있으며, 이는 구형 데이터를 수직 방향으로 압축함으로써 왜곡을 효과적으로 제거할 수 있기 때문이다. 그러나 이러한 방법들은 왜곡 분포 사전 지식을 무시하고 있으며, 수직 방향에서는 충분한 수용 필드를 가지나 수평 방향에서는 부족한 비균형적인 수용 필드에 제한된다. 반면, 다른 방향으로 수직적 표현을 압축하면 암묵적인 왜곡 사전 지식을 제공하고 수평 방향의 수용 필드를 확장할 수 있다. 본 논문에서는 이러한 두 가지 서로 다른 표현 방식을 결합하여 보완적인 관점에서 새로운 360° 세분화 솔루션을 제안한다. 제안하는 네트워크는 특징 추출 모듈, 이방향 압축 모듈, 그리고 앙상블 디코딩 모듈의 세 가지 모듈로 구성된다. 먼저, 전경각 이미지로부터 다중 스케일 특징을 추출한다. 이후, 이방향 압축 모듈을 설계하여 특징을 두 가지 보완적인 저차원 표현으로 압축함으로써 콘텐츠 인식 능력과 왜곡 사전 지식을 동시에 제공한다. 더불어, 이방향 특징의 융합을 촉진하기 위해 앙상블 디코딩 모듈 내에서 독창적인 자기 정제(self-distillation) 전략을 도입하여 다양한 특징 간의 상호작용을 강화하고 성능을 더욱 향상시킨다. 실험 결과, 제안하는 방법은 정량적 평가에서 최신 기술 대비 최소 10% 이상의 성능 향상을 보이며, 시각적 외관 측면에서도 최고의 성능을 나타냈다.