심도 완성(depth completion)은 자율주행, 로보틱스, 증강현실과 같은 다양한 실제 응용에서 주변 환경의 조밀한 심도 정보를 추정하기 위한 핵심 방법 중 하나이다. 이러한 실제 응용에서는 심도 완성 모델이 실시간으로 동작하기 위해 경량 네트워크 아키텍처를 달성하고 연산 비용을 감소시키는 것이 엄격히 요구된다. 이를 고려하여, 본 연구에서는 경량 심도 완성을 위한 비국소(Non-local) 친화도 증류 네트워크를 제안한다. 우리의 방법은 지식 증류(knowledge distillation)를 통해 교사와 학생의 친화도(affinities) 간 최적 수송(optimal transport)을 수행함으로써, 강한 친화도를 갖는 이웃을 최소 개수만 사용하여 빠른 공간 전파를 가능하게 한다. 또한 기존의 심도 완성 알고리즘은 물체에 대해 측정된 LiDAR 점을 활용하는 데만 초점을 맞추고, 공중으로 발사되어 얻지 못한(누락된) 점은 전혀 고려하지 않는다. LiDAR 센서의 데이터 획득 파이프라인을 기반으로 LiDAR 스윕에서 누락된 레이(missing rays)는 쉽게 식별할 수 있으므로, 누락된 LiDAR 점에서의 가이던스(guidance)를 활용하여 특히 LiDAR 점이 없는 영역에서 네트워크의 성능을 추가로 향상시키고자 한다. 실험 결과, 본 방법은 기존의 경량 네트워크에 비해 우수하며, 중량(heavy) 심도 완성 방법들과는 비교 가능한 성능을 보인다.

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