RGBD 색맹 객체 탐지를 위한 대비 우선 순위 및 유동적 피라미드 통합

RGBD 이미지에서 주목할 만한 객체 탐지(SOD)를 위한 깊이 센서의 광범위한 활용은 유용한 보완 정보를 제공한다. 그러나 RGB 정보와 깊이 정보 사이의 본질적인 차이로 인해, ImageNet으로 사전 훈련된 백본 모델을 사용하여 깊이 채널에서 특징을 추출하고 이를 RGB 특징과 직접 융합하는 것은 최적의 방법이 아니다. 본 논문에서는 딥러닝 기반 SOD 방법에서 더 이상 주도적인 역할을 하지 않지만, 기존의 비딥러닝 기반 SOD 접근법에서 중요한 단서로 사용되었던 대조 전제(contrast prior)를 CNN 기반 아키텍처에 도입하여 깊이 정보를 강화한다. 강화된 깊이 신호는 새로운 유동 피라미드 융합(fluid pyramid integration) 기법을 통해 RGB 특징과 융합되며, 이는 다중 스케일의 다모달 특징을 보다 효과적으로 활용할 수 있도록 한다. 5개의 도전적인 벤치마크 데이터셋에서 수행된 종합적인 실험 결과는 제안된 아키텍처 CPFP가 9가지 최첨단 대안 방법보다 우수함을 입증한다.