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
비가시 영역 포함 객체 분할(Amodal Instance Segmentation)은 물체의 보이는 영역뿐 아니라 가려진 영역까지 복원하여 전체 형태를 예측하는 문제로, 컴퓨터 비전 분야에서 장면 이해 수준을 한 단계 높이는 중요한 과제로 여겨져 왔다. 인간은 물체의 일부가 가려져 있더라도 전체 형태를 자연스럽게 유추할 수 있지만, 기존의 컴퓨터 비전 모델들은 주로 보이는 부분에만 의존하여 가림 상황에서 한계를 보였다. 본 연구에서는 DETR 계열의 트랜스포머 기반 구조를 확장하여, 가시 및 비가시 포함 영역을 각각 추론할 수 있는 듀얼 디코더 설계를 적용하고, 객체 간 물리적 위치 관계를 인코딩하여 self-attention 연산에 편향으로 주입하는 방식을 제안한다. 이를 통해 모델은 단순히 외형 정보만이 아니라 객체 간의 전역적 위치 관계까지 고려하여 보다 합리적이고 정교한 비가시 영역을 포함한 마스크를 생성할 수 있다. KINS, D2SA, COCOA-cls 벤치마크에서 수행한 실험 결과, 본 방법은 기존 최신 방법론들을 능가하는 분할 성능을 달성했으며, 특히 occlusion 상황에서 성능 우위를 보였다. 본 연구는 향후 복잡한 장면 이해 및 실세계 응용에서 비가시 영역 포함 분할 성능 향상의 기반 기술로 활용될 수 있을 것이다.
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) : I410-151-26-02-096302148
