다중 시점에서 감독형 시점별 기여도 가중을 이용한 대규모 장면에서의 사람 검출

최근 딥러닝 기반의 다중 시점 사람 검출(Multi-View People Detection, MVD) 방법들이 기존 데이터셋에서 유망한 결과를 보여주었습니다. 그러나 현재의 방법들은 주로 제한된 수의 다중 시점 프레임과 고정된 카메라 뷰를 가진 작은 단일 장면에서 훈련 및 평가되었습니다. 그 결과 이러한 방법들은 심각한 가림 현상과 카메라 캘리브레이션 오류가 있는 더 큰, 더 복잡한 장면에서 사람을 검출하는 데 실용적이지 않을 수 있습니다. 본 논문은 대형 장면에서 다중 카메라 정보를 더 효과적으로 융합할 수 있는 감독형 시점별 기여도 가중치 접근법을 개발하여 다중 시점 사람 검출 성능을 개선하는 데 초점을 맞추고 있습니다. 또한, 모델의 일반화 능력을 향상시키고 더 실용적인 평가 및 비교를 가능하게 하기 위해 큰 합성 데이터셋을 사용하였습니다. 간단한 도메인 적응 기술을 통해 새로운 테스트 장면에서 모델의 성능이 더욱 향상되었습니다. 실험 결과는 본 접근법이 유망한 교차 장면 다중 시점 사람 검출 성능을 달성하는 데 효과적임을 입증하고 있습니다. 코드는 다음 링크에서 확인할 수 있습니다: https://vcc.tech/research/2024/MVD.