평면 호모지니티 추정을 위한 페르스펙티브 필드 재고

평면 호모지어니티 추정은 두 이미지 간 픽셀 간의 이항 선형 사상(비가역적 선형 변환)을 계산하는 문제를 의미한다. 이 문제는 기존에 합성곱 신경망(CNN)을 활용하여 연구되어 왔으나, 기존 방법들은 완전 연결층을 거친 밀집층(dense layer)을 통해 네 꼭짓점의 위치를 단순히 회귀(regress)하는 방식을 사용한다. 이러한 벡터 표현 방식은 꼭짓점이 명확한 공간적 순서를 가지는 점을 고려하지 않아 공간 구조를 손상시킨다. 더불어, 호모지어니티를 계산하기 위해 최소 네 점이 필요하므로, 이러한 접근은 외부 노이즈나 변형에 매우 취약하다. 본 논문에서는 개념적으로 단순하면서도 신뢰성 있고 일반적인 호모지어니티 추정 프레임워크를 제안한다. 기존 연구들과 달리, 본 논문은 이 문제를 '시점장(Perspective Field, PF)'으로 재정의한다. PF는 호모지어니티의 본질인 픽셀 간 일대일 대응 관계를 모델링하는 데 초점을 맞춘다. 제안하는 완전 합성곱 잔차망(Residual Network), PFNet은 PF를 자연스럽게 학습함으로써 각 픽셀의 공간적 순서를 유지한다. 또한, PF로부터 모든 픽셀의 이동량을 밀집된 대응 관계를 기반으로 추출할 수 있어, 강건한 호모지어니티 추정이 가능하다. 실험 결과, 제안한 방법은 전통적인 대응 기반 접근법과 최신 CNN 기반 기법들을 모두 능가하는 정확도를 보이며, 동시에 더 작은 네트워크 크기를 갖는다는 점에서 효율성도 입증되었다. 또한, 본 연구에서 제안한 새로운 매개변수화 방식은 임의의 완전 합성곱망(FCN) 아키텍처를 통해 구현 가능하여 일반성과 확장성이 뛰어나다.