컴퓨터융합학부

연구 결과가 발표된 CVPR 학회는 컴퓨터 비전 분야에서 최고 권위를 가진 학회이며(2023년 기준 25.8%의 논문 채택율), 정보과학회에서도 최우수 학회로 지정되어 있습니다.

위 두 논문 모두 2023년 6월 21일 캐나다 밴쿠버에서 발표될 예정입니다.

[논문 요약]

1) Local Connectivity-Based Density Estimation for Face Clustering

    본 연구는 레이블이 부여되지 않은 대규모 얼굴 데이터셋에 대해 의사 레이블을 부여하는 것을 

목표로 하는 얼굴 클러스터링 기술을 개발한다.

     본 기술은 기존의 기술들과 같이 kNN 그래프를 구축한 뒤 같은 클래스를 연결하는 간선들을

분류하는 것으로 접근한다.

     본 기술은 몇몇 기존 기술들에서 사용된 밀집도 개념에 추가로 트랜스포머 기술을 활용해 그래프의 지역적 특성을 반영함으로써 좀 더 정밀하게 밀집도를 계산하는 네트워크를 구성했고, 또한, 정밀하게 그래프 상의 간선들을 검증하기 위해 트랜스포머 기술을 활용한 또 다른 네트워크를 구축했다. 제안하는 모델은 대규모 얼굴 클러스터링 벤치마크인 MS-Celeb-1M과 IJB-B 데이터셋에 대해 가장 뛰어난 성능을 보였으며, 패션 데이터셋인 DeepFashion 데이터셋에 대해서도 다른 모델과 비교해 가장 높은 성능을 보이며 얼굴 외의 데이터셋에 대해서도 잘 적응하는 것을 증명했다.

2) BAAM: Monocular 3D pose and shape reconstruction with bi-contextual attention module and attention-guided modeling

    본 연구에서는 도로의 3차원 환경을 보다 정확하게 복원하기 위한 기술을 개발한다.

기존의 기술은 자동차의 3차원 위치 정보를 추론하는데에 국한되어 있지만, 본 연구에서 개발된 기술은 자동차의 3차원 위치와 형태를 모두 복원하는 것을 특징으로 한다.

    본 기술의 3차원 위치 추정은 다음과 같은 특징이 있다.

1. 자동차와 도로환경 사이의 연관성을 활용한다.

2. 자동차와 다른 자동차 사이의 상대적 정보를 활용한다.

     본 기술의 3차원 형태 복원은 다음과 같은 특징이 있다.

1. 사전에 제작된 모형을 수집하여 활용한다.

2. 자동차 객체의 영상적 특징과 모형의 특징 간의 연관성을 활용한다.

     본 기술은 Joint 3D shape & pose estimation 분야의 대표 데이터인 Apollocar3D 벤치마크에서 가장 좋은 성능을 보였다. 또한, 본 연구에서 제안한 3D 위치 추정 기술은 3D object detection 분야의 KITTI 벤치마크에서 우수한 성능향상을 보였다.