사진의 지리정보 추정: 계층적 모델과 장면 분류를 이용한 방법

사진의 지리적 위치를 정확하게 추정하는 것은 다양한 흥미로운 응용을 가능하게 하지만, 동시에 매우 도전적인 과제이다. 문제의 복잡성으로 인해 기존의 대부분의 접근 방식은 특정 지역, 특정 이미지 유형, 또는 전 세계적인 랜드마크에 국한되어 있다. 유일하게 제한 없이 GPS 좌표를 예측하는 방법은 몇 가지에 불과하다. 본 논문에서는 이러한 후자의 접근 방식을 추구하는 여러 심층 학습 기법을 제안하며, 지리적 위치 추정 문제를 지구를 지리적 셀들로 나누어 분류 문제로 간주한다. 우리는 다중 분할 방식에 대한 계층적 지식을 활용하고, 사진의 장면 콘텐츠(예: 실내, 자연, 도시 환경 등)를 추가로 추출하여 고려함으로써, 다양한 공간 해상도에서의 맥락 정보와 다양한 환경 설정에 맞는 보다 구체적인 특징들을 합성 신경망의 학습 과정에 통합한다. 두 가지 벤치마크에서의 실험 결과는 제안하는 방법이 기존 최고 수준의 기술을 능가함을 입증하며, 훈련 이미지 수를 현저히 줄이고, 적절한 기준 데이터셋을 필요로 하는 검색 기반 방법에 의존하지 않아도 된다는 점에서 그 효과성을 보여준다.