초록
히트맵 기반 탐지 방법은 회귀보다 직관적임에도 불구하고, 2D 인간 자세 추정 분야에서 여전히 주류를 이룬다. 아키텍처적으로 은닉된 히트맵을 사용하는 통합 회귀(integral regression) 방식의 등장으로 인해 두 접근법은 더욱 가까워지고 있다. 이에 따라 자연스럽게 제기되는 질문은: 과연 탐지 방식이 회귀 방식보다 더 우수한가? 본 논문에서는 두 접근법 간의 주요 잔여 차이인 지도 학습 방식의 차이에 초점을 맞춰 분석한다. 그 과정에서, 소프트맥스 함수 이후 기대값을 취하는 방식이 통합 자세 회귀에 기저하는 잠재적 편향(underlying bias)이 존재함을 발견하였다. 이 편향을 보완하기 위해, 모든 2D 자세 추정 벤치마크에서 통합 회귀의 정확도를 향상시키는 보정 방법을 제안한다. 또한, 단순한 탐지와 편향 보정 회귀를 결합한 새로운 방식을 제안하며, 추가적인 구성 요소가 거의 없음에도 불구하고 최신 기준(SOTA)을 크게 초월하는 성능을 보였다.