전경 객체의 3차원 복원 정밀도 향상 기법 분석

국문 초록 (Abstract)

딥러닝 기술의 발전으로 2차원 영상으로부터 3차원 정보를 정밀하게 생성함으로써 높은 품질의 3차원 복원을 수행하는 기술이 발전하고 있다. 3차원 복원 기술이 일반적으로 갖는 느린 학습 속도의 단점을 개선하기 위해 다양한 연구가 진행되고 있다. 또한, 전경의 3차원 복원 정밀도를 향상시키기 위한 연구가 다양하게 시도되고 있다. 본 논문에서는 배경 영역을 제거하여 전경 영역만을 분리했을 때의 3차원 복원을 세분하여 정량적 및 정성적으로 비교·분석하였다. 실험 결과를 토대로 충분한 외관 특징이 확보 가능한 전경에 대해서 전경을 분리하여 학습하는 것과 학습 영상이 부족한 환경에 대해서 전경 영역을 선택적으로 학습하는 것이 효과적임을 확인했다.

다국어 초록 (Multilingual Abstract)

Due to the rapid advancement of deep learning techniques, high-quality 3D reconstruction methods that generate precise 3D information from 2D images have been proposed. However, the long duration for model learning has been a major drawback of 3D reconstruction techniques, and many studies have been conducted to address this issue. In addition, there are many ongoing studies to enhance the precision of the 3D reconstruction for a foreground object. This paper conducts quantitative and qualitative comparisons and analyzes the 3D restoration of an object while matting the foreground areas but excluding the background areas from participating in the learning process. Based on experimental results, it has been noted that it is effective to separate foreground objects with sufficient visual features from background areas and to selectively train the foreground information in the condition of insufficient training data.

목차 (Table of Contents)

• 요약
• ABSTRACT
• Ⅰ. 서론
• Ⅱ. 본론
• Ⅲ. 결과
• Ⅳ. 결론
• References