초록
세멘틱 라인은 이미지의 레이아웃을 특징짓는다. 이미지 분석 및 장면 이해에서 그 중요성에도 불구하고, 세멘틱 라인 탐지에 대한 신뢰할 수 있는 연구는 아직 부족하다. 본 논문에서는 다중 작업 학습을 활용한 컨볼루션 신경망을 이용하여 세멘틱 라인 탐지기를 제안한다. 이 방법은 라인 탐지를 분류와 회귀 작업의 조합으로 간주함으로써, 라인 탐지 문제를 효과적으로 해결한다. 입력 이미지에 대해 컨볼루션 및 맥스 풀링 계층을 사용하여 다중 스케일 특징 맵을 추출한다. 이후 각 후보 라인에 대해 특징 맵에서 특징 벡터를 추출하기 위해 라인 풀링 계층을 개발한다. 다음으로, 추출된 특징 벡터를 병렬로 연결된 분류 및 회귀 계층에 입력한다. 분류 계층은 후보 라인이 세멘틱한지 여부를 판단하며, 세멘틱 라인인 경우 회귀 계층은 라인 위치를 보정하기 위한 오프셋을 결정한다. 실험 결과, 제안하는 탐지기가 세멘틱 라인을 정확하고 신뢰성 있게 추출함을 확인하였다. 더불어, 제안된 탐지기가 수평선 추정, 구성 강화, 이미지 단순화 세 가지 응용 분야에서 성공적으로 활용될 수 있음을 입증하였다.