Depth completion을 위한 딥러닝 모델 비교 분석

초록

자율주행 기술의 레벨 상승에 있어, 인지 기술에는 높은 정확도가 요구된다. 이를 위해 여러 가지 센서를 다양한 방법으로 활용하는 방안이 제시되었 다. 대표적으로 depth completion이 있으며 이는 희소한 깊이 맵(Sparse depth map)을 조밀한 깊이 맵(Dense depth map)으로 만드는 기법이다. 이는 object detection이나 obstacle avoidance와 같이 object를 인식하는 상황에서, object의 형상이 실제와 가깝게 되어야 하는 컴퓨터 비전과 로보틱스 분야에서 활용될 수 있다. 본 논문에서는 이와 연관된 두 가지 네트워크 구조를 분석하고 이에 따른 결과 이미지 및 손실 값을 비교한다. 나아가서 depth completion을 수행하는 네트워크의 성능 및 연산 자원 효율성을 증대하기 위한 방향과 개선점을 제시한다.