선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 기존의 연구들은 가설 검증 단계에서 부적합한 가설을 효과적으로 제거하는 방법들[11-13]을 제안하였지만, 본 논문에서는 가설 설정 단계에서 부적합한 대응점이 선택되는 문제를 효과적으로 제거하는 방법을 제안한다. 본 논문과 유사한 기존 연구들도 존재하며, PROSAC 알고리즘[14]은 랜덤성의 단점을 보완한 방법으로 대응점을 매칭하는데 사용된 데이터를 이용한다.
- 따라서 본 논문에서는 RANSAC 알고리즘의 랜덤 샘플링과정에서 발생하는 문제를 해결하여 RANSAC 알고리즘의 효율성을 향상시키는, 개선된 RANSAC 알고리즘을 제안한다.
- 그 이유는 본 논문에서 제안하는 알고리즘이나 기존에 제안된 일부 알고리즘은 샘플링 과정에서 랜덤성을 지니고 있기 때문에 정확한 수치를 계산하고 비교하기가 어렵다. 때문에 본 논문에서는 기존 알고리즘 개선이 주 목표가 아닌 현재 검출된 대응점의 특징을 이용한 반복 횟수를 줄이기 위한 방안을 소개한다. 제안하는 알고리즘은 기존에 제안된 알고리즘과 함께 사용되면 더 많은 효과를 볼 수 있을 것이다.
- 본 논문에서는 두 이미지 사이의 모델(Homography)을 추정하기 위해 RANSAC 알고리즘의 랜덤 샘플링 과정을 개선하였다. 기존의 랜덤 샘플링은 데이터가 선형을 이루거나 특정 영역에 밀집되는 문제와 샘플링 과정을 통해 선택된 데이터에 Outlier 데이터들을 포함하고 있을 경우 문제가 되어 왔다.
- 가상현실 기반의 콘텐츠들은 대부분 실시간으로 동작하는 경우가 많기 때문에 실시간 캘리브레이션(calibration) 및 실시간 이미지 Stitching과 같은 실시간으로 처리되는 빠른 기법들이 필요하게 된다. 본 논문은 이미지 Stitching에서 사용되는 RANSAC(RANdom SAmple Consensus)의 실시간 처리 능력을 높이기 위해 RANSAC의 속도를 개선하고자 한다.
- 본 연구는 RANSAC 알고리즘의 샘플링 과정을 개선하였으며 Algorithm 1이 개선된 RANSAC 랜덤 샘플링 방식을 설명한다. 개선된 버전과 기존 RANSAC 버전을 구분하기 위하여 개선된 버전의 이름을 CONSAC(CONnect random SAample Consensus)이라 부르도록 하겠다.
- 본 연구에서는 개선된 샘플링 기법을 통해 RANSAC 알고리즘의 처리 시간문제를 해결 하였다. 개선된 샘플링 기법은 대응점들의 관계정보를 이용하여 문제가 되는 샘플링과정들을 제거함으로써 RANSAC의 처리 시간을 단축시킬 수 있었다.
가설 설정
- P : M개 중에서 N개의 대응점을 선택했을 때 Inlier만 선택할 확률.
- 이미지의 첫 번째 대응점과 두 번째 대응점의 거리 비율은 유사할 것이다. 때문에 4개의 대응점이 모두 일치한다면 각각의 이미지 안에 존재하는 대응점의 거리 비율은 서로 유사할 것이다.
- 제안하는 알고리즘은 예를 들어 이미지 A와 이미지 B에 일치하는 4개의 대응점이 존재한다고 가정했을 때 이미지 A에서 존재하는 대응점들은 이미지 B에서도 비슷한 형태로 존재할 것이다. 하지만 그 위치 좌표는 서로 같지는 않을 것이며, 이미지 A에 존재하는 4개의 대응점의 거리는 이미지 B에 존재하는 4개의 대응점의 거리와 비율에 맞게 비슷할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.