개선된 비전 트랜스포머를 이용한 단일 영상의 깊이 맵 예측 (Depth Map Prediction of Monocular Image Using the Improved Vision Transformer)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 33권 / 3호 / 214 ~ 221페이지
· 저자명 : 박채림, 이광일, 조석제

초록

단일 이미지로부터 깊이 맵을 측정하는 기법은 오랫동안 연구되어온 분야이다. 이것은 장면내의 기하학적 관계를 이해할 수 있는 중요한 정보로써 물체 인식, 3D 모델링, 증강현실 등에 활용될 수 있고 잠재적으로는 객체들 간의 가려짐 발생 시 추론할 수 있다. 이렇게 물체의 깊이를 추정하는 것은 컴퓨터 비전 분야에서 핵심적인 부분이며 수많은 응용 프로그램에서 필수적이다. 최근에는 딥러닝을 이용하여 이미지 수준의 정보와 계층적 특징을 탐색하는연구가 꾸준히 진행되고 있다. 하지만 이러한 방법들은 야간 환경과 그림자가 그을려진 환경에서 깊이를 측정하고 전방 객체를 인식하는데 한계가 있다. 본 논문에서는 이러한 한계를 보완하는 새로운 방법을 제안한다. 이 방법은 Vision Transformer(ViT)를 이용하여 이미지 속 객체의 초점을 자동으로 잡고 모듈 세가지를 새롭게 추가함으로써 깊이 맵을 측정한다. 이는 Reconstitution, Fusion, Double-side로써, 깊이 맵 사이에서 발생되는 손실값을 줄이고 미세한 부분까지 조정함으로써 다양한 환경 모두에서 사용할 수 있으며 저량적, 정성적평가를 통해 우수한 결과를 보였다.

영어초록

Techniques for measuring depth maps from a single image have long been studied.
This is important information to understand the geometric relationship within thescene, which can be used for object recognition, 3D modeling, augmented reality,etc., and can potentially be inferred when obscuration occurs between objects. Thisestimation of the depth of an object is a key part of the field of computer visionand it is essential for numerous applications. Recently, research has been steadilyconducted to explore image-level information and hierarchical characteristics usingdeep learning. However, these methods have limitations in measuring depth andrecognizing forward objects in night and shadowed environments. In this paper, wepropose a new method to supplement these limitations. This method uses the VisionTransformer (ViT) to automatically focus on objects in the image and measuredepth maps by adding three new modules.. This Reconstitution, Fusion andDouble-side, which can be used in various environments by reducing the loss ofvalue generated between depth maps and adjusting the fine parts, and excellentresults have been shown through quantitative and qualitative evaluations.

참고자료

· 없음