협동 카운팅을 위한 적대적 다중 스케일 일관성 추구

군중 수량 측정 또는 밀도 추정은 대규모 스케일 변동, 시점 왜곡, 심각한 가림 현상 등의 이유로 컴퓨터 비전 분야에서 도전적인 과제이다. 기존의 방법들은 일반적으로 두 가지 문제를 겪는다. 첫째, 널리 사용되는 L2 회귀 손실 함수에 의해 다중 스케일 CNN에서 모델 평균화 효과가 발생한다는 점이며, 둘째, 다양한 스케일의 입력에 대해 추정 결과가 일관되지 않는다는 점이다. 이러한 문제를 명시적으로 해결하기 위해, 본 논문에서는 새로운 군중 수량 측정(밀도 추정) 프레임워크인 대립적 다중 스케일 일관성 추구(Adversarial Cross-Scale Consistency Pursuit, ACSCP)를 제안한다. 한편으로, 입력 패치로부터 밀도 맵을 생성하기 위해 U-net 구조의 네트워크를 설계하였으며, 현실적인 해의 부분공간으로 해를 수축시키기 위해 대립적 손실(Adversarial Loss)을 도입하여 밀도 맵 추정 시 흐릿한 효과를 완화하였다. 다른 한편으로, 지역 패치(작은 스케일)에서의 군중 수량 합계가 그들의 영역 합집합 전체(큰 스케일)의 총 수량과 일관되도록 강제하는 새로운 스케일 일관성 정규화 기법을 제안하였다. 위의 손실 항들은 공동 학습 전략을 통해 통합되어, 두 목적 간의 협업을 더욱 탐색함으로써 밀도 추정 성능을 향상시키는 데 기여한다. 네 가지 벤치마크에서 실시한 광범위한 실험을 통해 제안된 기법의 효과성과 기존 기법 대비 우수한 성능이 잘 입증되었다.