Representer Point Selection 기반 무지도 객체 위치추정 연구

Unsupervised Object Localization with Representer Point Selection

연구 내용

자기지도 사전학습 모델의 예측을 학습 데이터의 대표점 조합으로 설명해 무지도 객체 위치추정을 수행하는 연구

무지도 객체 위치추정은 별도 미세조정 없이 자기지도 기반 표현만으로 전경 영역을 찾는 것이 목표입니다. 기존 접근은 class-agnostic activation map 또는 self-similarity map으로 위치 정보를 제공하지만, 예측이 어떤 학습 예시에 의해 결정되는지 설명하기 어렵다는 한계가 있습니다. 본 연구는 예측을 학습 포인트의 representer values 선형 결합으로 표현하고, 예측에 가장 중요한 representer point를 선택함으로써 전경 객체에 대한 근거 예시와 중요도를 함께 제공하도록 설계합니다. 이를 통해 위치추정 성능과 해석 가능성을 동시에 다룹니다.

관련 프로젝트

5건

연구 흐름

초기에는 무지도·자기지도 객체 위치추정에서 자주 사용하는 활성맵 및 유사도 기반 신호가 예측 근거 설명으로는 충분하지 않다는 문제를 정리하였습니다. 이후에는 self-supervised 사전학습 모델의 예측을 representer 관점으로 재구성하고, representer point를 선택하여 전경 예시의 기여도를 노출하는 방법을 제안했습니다. 이후에는 선택된 대표점이 다양한 데이터셋에서 위치추정 성능을 개선하는지 확인하고, 위치 결과가 어떤 학습 포인트에 의해 지지되는지 해석 가능한 형태로 제시하는 방향으로 연구를 전개했습니다.

활용 가능성

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

라벨 없이 전경 영역 자동 후보 생성
자기지도 학습 기반 위치추정 평가 지표
설명 가능한 객체 검출 전처리
의미 기반 애노테이션 효율화
실내 길안내에서 영상 측위 전경 추정
로봇 상황 인식에서 목표 객체 후보화
약지도·적은 샷 학습으로의 전이 기반 설계
비정형 영상의 자동 관심영역 탐지
로컬라이제이션 실패 원인 분석 도구
비디오/이미지 다중 태스크 공통 백본 적응