CDPN: 실시간 RGB 기반 6-DoF 객체 자세 추정을 위한 좌표 기반 분리형 자세 네트워크

단일 RGB 이미지로부터 6-DoF 물체 자세 추정은 컴퓨터 비전 분야에서 핵심적이고 오랜 기간 지속된 문제이다. 현재 최고 수준의 접근 방식들은 깊은 신경망을 학습시켜 이미지에서 직접 회전과 변환을 회귀하거나, 2D-3D 대응 관계를 구성한 후 PnP( Perspective-n-Point) 알고리즘을 통해 간접적으로 자세를 추정하는 방식을 사용한다. 본 연구에서는 회전과 변환 간에 근본적인 차이가 있음을 고려하여, 이 둘을 별도로 다루는 것이 바람직하다고 주장한다. 본 논문에서는 이를 바탕으로 새로운 6-DoF 자세 추정 방법을 제안한다. 이를 ‘좌표 기반 분리형 자세 네트워크(Coordinates-based Disentangled Pose Network, CDPN)’라 명명하며, 자세를 회전과 변환으로 분리하여 각각 별도로 예측함으로써 높은 정확도와 강건성을 갖춘 자세 추정을 실현한다. 제안한 방법은 유연하고 효율적이며, 무문자( texture-less) 및 부분 가림(Occluded) 객체에 대해서도 잘 작동한다. LINEMOD 및 Occlusion 데이터셋을 대상으로 실시한 광범위한 실험 결과는 본 방법의 우수성을 입증하며, 일반적으로 사용되는 평가 지표에서 기존 최고 수준의 RGB 기반 방법들을 상당히 초월함을 보여준다.