SphereDepth: 구면 도메인에서의 패노라마 깊이 추정

파노라마 이미지는 주변 환경의 완전한 정보를 동시에 표현할 수 있으며, 가상 관광, 게임, 로봇 공학 등 다양한 분야에서 많은 장점을 지닌다. 그러나 일반적으로 사용되는 투영 방식으로 인해 발생하는 왜곡 및 불연속성 문제를 해결하기 위해 파노라마 깊이 추정 기술의 발전이 완전히 이루어지지 못하고 있다. 본 논문에서는 투영 전처리 없이 구면 메쉬(spherical mesh) 위에서 깊이를 직접 예측하는 새로운 파노라마 깊이 추정 방법인 SphereDepth를 제안한다. 핵심 아이디어는 파노라마 이미지와 구면 메쉬 간의 관계를 설정한 후, 심층 신경망을 활용하여 구면 영역에서 특징을 추출하여 깊이를 예측하는 것이다. 고해상도 파노라마 데이터로 인한 효율성 문제를 해결하기 위해, 제안하는 구면 메쉬 처리 프레임워크에 두 가지 하이퍼파라미터를 도입하여 추론 속도와 정확도 사이의 균형을 조절한다. 세 가지 공개 파노라마 데이터셋에서 검증된 결과, SphereDepth는 최신 기술 수준의 파노라마 깊이 추정 방법들과 비교해 유사한 성능을 달성하였다. 구면 영역 설정의 장점을 활용함으로써 SphereDepth는 고품질의 포인트 클라우드를 생성할 수 있으며, 왜곡과 불연속성 문제를 크게 완화할 수 있다.