초록
새로운 베이지안 프레임워크가 제안되었습니다. 이 프레임워크는 한 비디오 프레임에서 다음 프레임으로의 호모그래피를 아핀 변환을 통해 명시적으로 연관시키며, 동시에 키포인트 불확실성을 명시적으로 모델링합니다. 기존 문헌에서는 후속 프레임 간의 미분 호모그래피를 사용해 왔지만, 베이지안 설정에서는 사용되지 않았습니다. 베이지안 방법론이 적용된 경우에도 카메라 움직임은 충분히 모델링되지 않았으며, 키포인트는 결정론적으로 처리되었습니다. 제안된 방법인 추적된 키포인트로부터의 베이지안 호모그래피 추론(Bayesian Homography Inference from Tracked Keypoints, BHITK)은 두 단계 칼만 필터를 활용하여 기존 방법론을 크게 개선하였습니다. 기존의 키포인트 검출 방법들은 BHITK와 쉽게 결합될 수 있으며, 대부분의 호모그래피 평가 지표에서 최신 접근 방식보다 우수한 성능을 보여줍니다. 또한, 월드컵과 TS-월드컵 데이터셋의 호모그래피 주석이 공개적으로 사용할 수 있는 맞춤형 호모그래피 주석 도구를 통해 정교하게 수정되었습니다. 수정된 데이터셋은 통합되어 통합 및 정교화된 월드컵(Consolidated and Refined WorldCup, CARWC) 데이터셋으로 공개되었습니다.