주의 기반 시각 선택 네트워크를 활용한 라이트필드 시차 추정

이 논문은 라이트 필드 이미지로부터 깊이 맵을 추정하기 위한 새로운 딥 네트워크를 제안한다. 각 뷰를 보다 효과적으로 활용하고 뷰 내부의 중복을 줄이기 위해, 각 뷰의 중요도와 정확한 깊이 추정에 기여할 잠재력을 나타내는 주의 맵(attention map)을 생성하는 뷰 선택 모듈을 제안한다. 라이트 필드 뷰의 대칭성을 탐구함으로써, 주의 맵에도 대칭성을 강제함으로써 추가적인 정확도 향상을 달성한다. 주의 맵을 활용함으로써, 제안하는 아키텍처는 모든 뷰를 보다 효과적이고 효율적으로 이용할 수 있다. 실험 결과, 제안하는 방법은 정확도 측면에서 최신 기술 수준(SOTA) 성능을 달성하며, 라이트 필드 이미지의 시차 추정을 위한 대표적인 벤치마크에서 1위를 기록하였다.