몰입형 미디어에 대한 수요가 증가함에 따라 다중시점(multiview) 이미지에 대한 활발한 연구가 진행되고 있다. 그러나 가림(occlusion)과 공개적으로 이용 가능한 다중시점 데이터셋의 부재와 같은 문제는 이 분야의 발전을 저해하고 있다. 이러한 문제를 해결하기 위해, 우리는 다중시점 인스턴스 매칭을 위한 새로운 데이터셋인 SMIIM(synthetic multiview images for instance matching)을 소개한다. 또한 가림을 효과적으로 처리하는 3단계의 점진적 매칭 알고리즘을 제안한다. 마지막으로, 기존 네트워크가 생성한 마스크를 우리의 매칭 결과로 정교화하여 이미지 분할(image segmentation) 성능을 개선한다. 기존의 인스턴스 매칭 알고리즘과 비교할 때, 우리의 방법은 처리 시간을 더 빠르게 제공할 뿐 아니라 성능을 유의미하게 향상시켜, 평균 ID 매칭 정확도 97.5%와 mean intersection over union(mIoU) 19.8%의 개선을 우리의 데이터셋뿐 아니라 표준화된 데이터셋 및 실제 환경 데이터셋에서도 달성하였다. 다중시점 환경에서의 다중 객체(multiobject) 매칭은 드물기 때문에, 본 연구는 이 분야에 대한 유의미한 기여가 된다. SMIIM 데이터셋은 다중시점 이미지 처리 분야에서의 후속 연구와 개발을 촉진하기 위해 공개될 예정이다.

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