최근 시공간 Transformer 구조는 3D 인간 자세 추정 문제에 널리 적용되었으며, 최첨단 성능을 달성하였다. 이러한 접근들 가운데 다수는 단일 프레임에서의 단일 관절을 토큰으로 간주하고, 동일 프레임 또는 동일 궤적(trajectory)에 속한 토큰들에 대해 attention을 적용한다. 이러한 구조는 개별 관절 간의 상관관계를 계산하는 데에는 효과적이지만, 프레임이나 궤적과 같은 전역(global) 특징이 충분히 전달되지 못한다는 점에서 지나치게 제한적이다. 본 논문에서는 이러한 문제를 해결하기 위해 GaLFormer를 제안한다. GaLFormer는 로컬(local) 및 글로벌(global) Transformer 블록으로 구성되며, 전자는 기존 방법들과 마찬가지로 관절 토큰을 기반으로 하는 반면, 후자인 글로벌 혼합(global mixing) Transformer는 특정 범위의 프레임에 존재하는 모든 관절을 혼합하여 특징 교환(feature exchange)을 위한 귀납적 편향(inductive bias)을 강화한다. 제안된 방법에서는 관절, 형상(shape), 궤적(trajectory) 간의 상관관계를 계산하기 위해 이 두 Transformer 블록을 교대로 반복한다. 실험 결과, 본 접근법은 Human 3.6M, MPI-INF-3DHP, HumanEva 데이터셋에서 기존 방법들에 비해 더 우수하거나 적어도 경쟁력 있는 성능을 달성함을 보였다.

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