초록
전경-배경 분할은 오랜 기간에 걸쳐 활발한 연구 주제로 여겨져 왔다. 그러나 기존의 모델은 도전적인 조명 조건을 가진 영상에서는 정확한 결과를 도출하지 못하는 한계를 가지고 있다. 본 논문에서는 영상 시퀀스 내에서 극도로 어두운 또는 밝은 장면뿐 아니라 지속적으로 변화하는 조명 조건에서도 정확하게 전경을 추출할 수 있는 강건한 모델을 제안한다. 이는 어두운 이미지와 밝은 이미지 간의 의미적 관계를 효과적으로 모델링하고, 이진 분할을 엔드 투 엔드로 수행하는 삼중 다중 작업 생성적 적대망(TMT-GAN)을 통해 달성된다. 본 연구의 기여는 두 가지 측면에서 이루어진다. 첫째, 생성적 적대망(GAN) 손실과 분할 손실을 공동 최적화함으로써, 두 작업이 서로 보완적으로 학습되며 상호 이익을 얻는다는 점을 보여준다. 둘째, 다양한 조명 조건을 가진 이미지의 특징을 분할 브랜치에 융합함으로써 네트워크의 성능이 크게 향상됨을 입증한다. 매우 도전적인 실재 및 합성 기준 데이터셋(ESI 및 SABS)에 대한 비교 평가를 통해 TMT-GAN의 강건성과 최신 기술 대비 우수성을 입증하였다.