초록
공간 검증(Spatial verification)은 특정 객체 검색에 있어 핵심적인 기술이다. 이 기법은 진정한 긍정 이미지의 정확한 탐지에 공간 정보를 활용한다. 그러나 기존의 쿼리 확장(query expansion) 및 확산(diffusion) 방법들은 스칼라 간선 가중치를 갖는 일반적인 그래프 내에서 공간 정보를 효율적으로 전파하지 못하여 낮은 재현율(recall) 또는 정밀도(precision)를 초래한다. 이러한 문제를 해결하기 위해, 본 연구에서는 쿼리 시간에 공간 정보를 효율적으로 전파하여 데이터베이스 내 객체를 정확히 검색할 수 있는 새로운 하이퍼그래프 기반 프레임워크를 제안한다. 또한, 이미지 그래프의 구조 정보를 커뮤니티 선택 기법을 통해 활용함으로써, 초기 검색 결과의 정확도를 측정하고, 공간 검증 계산의 부담 없이 하이퍼그래프 전파를 위한 정확한 시작점을 제공하는 방법도 제안한다. ROxford 및 RParis 데이터셋을 대상으로 수행한 실험 결과, 제안하는 방법이 기존의 쿼리 확장 및 확산 방법에 비해 상당히 우수한 성능을 보였다.