인간 파싱은 인간 이미지를 정밀한 수준의 의미 부품으로 분할하는 것을 목표로 한다. 인체의 내재적 구조를 고려할 때, 최신 기법들은 일반적으로 신체 간 내재적 관계를 표현하기 위해 사전 가정에 의존한다. 그러나 다양한 시나리오에 걸쳐 동일한 구조적 사전 지식을 활용하는 것은 안정적인 예측을 달성하는 데 어려움이 있으며, 추가적인 네트워크 설계 노력이 요구된다. 이러한 문제를 해결하기 위해, 본 연구는 인간 신체의 암묵적 사전 구조를 동적으로 학습하는 새로운 방법인 Dynamic Dual Transformer for Parsing (D2FP)을 제안한다. 구체적으로, 인간 이미지의 학습 가능한 의미로부터 입력 의존적인 사전 특징을 도출하여, 이를 Transformer 디코더에 공급하기 전에 사전이 포함된 객체 쿼리를 생성한다. 본 모델은 사전 객체 쿼리를 효과적으로 학습하기 위한 세 가지 주요 구성요소, 즉 사전 추출 모듈, 사전 임베딩 모듈, 그리고 다중 스케일 이중 Transformer 디코더를 포함한다. 또한, 최종 디코딩된 객체 쿼리가 초기 사전 특징을 향상시키기 위한 구조적 단서를 제공하는 새로운 사전 향상 전략을 도입한다. 실험 결과는 LIP 및 CIHP의 두 가지 잘 알려진 인간 파싱 벤치마크 전반에서 제안 방법이 기존 방법들에 비해 우수하며 효과적임을 보여준다. 코드는 https://github.com/cvlabyongin/D2FP 에서 제공되며, 모델도 동일한 링크에서 이용할 수 있다.

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