마커리스 전범위 6DoF 머리 자세 추정

Markerless full-range 6DoF head pose estimation

연구 내용

RGB-D 기반 랜드마크 비검출 방식으로 360도 전범위 머리의 6DoF 자세를 연속 표현과 다중 손실로 실시간 추정하는 연구

본 분야는 사람-로봇 상호작용과 의료 네비게이션에서 머리 자세 추정을 정확히 수행하기 위한 기술입니다. 연구에서는 단일 프레임에서 머리를 검출하고 랜드마크 없이 회전·이동 성분을 예측하는 심층 신경망 구조를 적용합니다. 연속 회전 표현을 사용해 각도 예측의 불연속성을 완화하고, 지오데식 손실과 평균제곱오차 기반의 회귀를 결합해 학습 안정성을 확보합니다. 또한 쿼터니언 및 5D 회전 표현을 도입해 전범위 회전에서도 강인한 회귀를 구현하는 차별성이 있습니다.

관련 프로젝트

3건

연구 흐름

초기에는 전통적 3DoF 중심의 머리 자세 추정 한계를 완화하기 위해 랜드마크 비검출 6DoF 실시간 추정 프레임워크를 구축했습니다. 이후에는 전범위 회전에 따른 표현 불연속 문제를 줄이기 위해 5D 및 쿼터니언 기반 회전 표현을 네트워크에 내재화하는 방향으로 확장했습니다. 동시에 학술적 확산을 위해 AI 기반 HPE 방법의 구성 요소와 절차를 체계화한 서베이 연구를 수행했습니다. 최근에는 다양한 데이터셋에서 전범위 성능을 검증하고 모델 구성 요소별 기여를 분석하는 단계로 심화했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

HCI 기반 실시간 머리 제스처 인터페이스
360도 시야 머리 추정 기반 멀티모달 입력
의료 네비게이션 자세 안정화
비접촉 사용자 추적 시스템
가상현실 헤드 트래킹 고정밀화
로봇 카메라 기반 사용자 자세 동기화
감시 및 안전 모니터링(머리 자세)
포즈 데이터셋 기반 학습 파이프라인
랜드마크 검출 실패 환경의 대체 추정
전범위 자세 추정 벤치마크 고도화