이수빈

부산대학교

(subin88890@pusan.ac.kr)

요약

광학 흐름 추정(Optical Flow Estimation)은 영상 내 움직임을 분석하는 핵심 기술로, 자율주행, 객체 추적, 영상 이해 등 다양한 분야에서 활용된다. 최근 딥러닝 기반 광학 흐름 연구가 활발히 진행되면서 높은 성능이 보고되고 있으나, 지도 학습 방식은 정답 레이블 구축에 많은 비용이 필요하다는 한계가 있다. 이에 따라 실제 영상 데이터에 직접 적용 가능한 비지도 광학 흐름 학습이 중요한 연구 주제로 주목받고 있다. 비지도 광학 흐름 추정은 주로 픽셀 밝기 일정성에 기반하여 학습되지만, 가려짐이나 조명 변화가 발생하는 영역에서는 이러한 가정이 성립하지 않아 성능 저하가 발생한다. 이를 해결하기 위해 다양한 가려짐 처리 및 정합 기법이 제안되었으나, 복잡한 장면에서는 여전히 한계가 남아 있다. 본 논문에서는 이러한 문제를 완화하기 위해 깊이 정보와 카메라 기하 정보를 활용한 비지도 광학 흐름 학습 방법을 제안한다. 제안 방법은 가려짐 영역을 보다 안정적으로 처리하고, 학습 과정에서 부정확한 대응을 줄일 수 있도록 설계된다. 이를 통해 기존 비지도 광학 흐름 방법의 한계를 개선하고, 깊이 단서가 성능 향상에 유효함을 보이고자 한다.

키워드

Unsupervised Optical Flow, Occlusion Handling, Depth-Guided Learning, Camera Geometry, Motion Estimation, Computer Vision