3D 고밀도 캡셔닝에서 쿼리의 역할에 대한 재고

Q: 이 논문에서 정의한 3D 고밀도 캡셔닝이란 무엇인가?

3D 고밀도 캡셔닝은 3D 장면이 주어졌을 때 해당 장면에 속하는 모든 객체의 위치를 검출하고, 각 객체에 대해 주변 환경 및 객체 간의 관계를 고려하여 캡션을 생성하는 작업이다. 이는 객체 감지와 캡션 생성을 동시에 수행하는 복합적인 과정이다.

Q: 3D 고밀도 캡셔닝에서 퀴리의 역할을 분리하는 것이 왜 중요한가?

연구 결과, 기존 객체 중심 퀴리 설계는 객체 검출과 캡션 생성 목적이 상충되어 성능 저하를 초래한다. 퀴리 역할을 객체 검출과 장면 상황 파악으로 분리하면, 모델이 각 목적에 효과적으로 집중하여 캡션 생성 시 관심 영역을 더 잘 타겟팅하고 전반적인 성능을 크게 향상시킨다.

김민정; 김건희

학술대회자료

저자정보: 김민정 (서울대학교) 김건희 (서울대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2024 한국컴퓨터종합학술대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

3D 고밀도 캡셔닝(3D Dense Captioning)은 3D 장면이 주어졌을 때 그 장면에 속하는 모든 객체들의 위치를 검출하고 각 객체에 대해 캡션을 생성하는 작업이다. 기존 접근 방식들에서는 객체가 있을 만한 위치를 선별하기 위해서 쿼리 생성기를 채택한다. 그러나 이러한 객체 중심 설계는 선별된 쿼리로부터 객체 검출과 캡션 생성을 동시에 진행하기 때문에, 객체 검출을 위해 객체에 맞는 영역을 감지해야하는 목적과 캡션 생성을 위해 주변 환경 상황과 객체 간의 관계를 봐야하는 목적에 ... 전체 초록 보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료

댓글(0)