머리 자세 추정(Head pose estimation, HPE)은 여러 인공지능(AI) 분야에 걸쳐 광범위한 응용 가능성을 지니고 있어 지난 10년 동안 광범위하게 연구되어 왔으며, 그 결과 정확도는 점진적으로 향상되었다. 응용이 전 범위 각도를 요구하고, 특히 제약이 없는 환경에서 수행되어야 할 때 문제는 더욱 어려워지며, 이로 인해 HPE는 활발한 연구 주제로 자리 잡고 있다. 본 논문은 디지털 이미지에서 수행되는 최근 AI 기반 HPE 과제를 포괄적으로 조사한다. 또한 각 방법을 구현하기 위한 주요 단계에 기반한 새로운 분류 체계를 제안하며, 이를 네 그룹 아래에서 총 11개 범주로 넓게 구분한다. 아울러 전체 시스템의 10개 범주에 대한 장점과 단점을 제시한다. 마지막으로 본 조사는 공개 데이터셋, 이용 가능한 코드, 그리고 향후 연구 방향에 대해 조명함으로써, 독자 및 연구 희망자들이 이 흥미로운 분야의 하위 범주에서 강력한 기준 성능(baseline)을 보이는 견고한 방법을 추가 탐색하기 위해 파악하는 데 도움을 주고자 한다. 본 검토는 2018년부터 2024년까지 출판된 총 113편의 논문을 비교·분석하였으며, 그 중 70.5%는 딥러닝, 24.1%는 머신러닝, 5.4%는 하이브리드 접근법에 해당했다. 또한 지난 2년간에 걸쳐(최근 2십 년) 출판된 AI 기반 HPE 시스템과 관련된 데이터셋, 정의 및 기타 요소에 관한 101편의 논문을 포함하였다. 우리가 아는 한, 본 논문은 인공지능에 기반한 HPE 전략을 대상으로, 각 방법을 구현하기 위한 주요 단계에 대한 상세한 설명을 포함하여 조사하고자 한 최초의 논문이다. 정기적으로 업데이트되는 프로젝트 페이지를 제공한다: (github).

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.