인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
NoPe-NeRF와 같은 딥 뉴럴 네트워크를 이용하여, 사전 카메라 정보 없이 2D 이미지를 입력으로 3D 공간정보를 학습한 후, 임의의 시점(Viewpoint)으로부터 2D 합성 이미지를 생성할 때 원경 영역의 이미지 품질 저하 문제가 관찰되었다. 이에 본 논문은 합성 이미지에서 원경 영역의 화질 저하의 문제점을 해결하기 위한 방안을 제시한다. 해당 문제가 NoPe-NeRF에서 포인트 클라우드 손실 함수 계산 시, 매칭 정확도가 낮은 포인트 쌍을 기반으로 손실을 계산하는 과정에서 비롯된 다고 추정하고, 이를 개선하기 위해 확률적 밀집 대응 네트워크(PDCNet)를 이용하여 인접 카메라 이미지 간의 포인트 매칭 정확도를 높이고, 이를 기반으로 보다 신뢰도 높은 포인트 클라우드 손실을 계산하도록 설계하였다. 제안 기법의 효과는 PSNR, SSIM, LPIPS 지표를 활용한 정량적 평가와 합성 이미지에 대한 정성적 비교 분석을 통해 입증되었다. 또한, 카메라 포즈 추정 성능의 개선 여부를 검증하기 위해 ATE 및 RPE 지표를 기준으로 제안 방법 적용 전후의 성능을 비교하였다. 실험 결과, 제안 기법은 임의 시점에서 생성된 합성 이미지의 품질을 향상시켰을 뿐만 아니라, 카메라 포즈 추정의 정확도 역시 함께 개선되었음을 확인하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093138525
