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
- 본 고에서는 심층신경망을 이용한 비지도 동영상 객체 분할 기술과 준지도 동영상 객체 분할의 최신 동향에 대해 살펴보았다. 비지도 동영상 객체 분할의 경우, 어떠한 사용자 정보 없이 동영상 내 주요 객체를 분할하기 위해, 움직임 정보를 활용한 심층 신경망 기술이 개발되었고, 최근에는 프레임간 정합을 통해 반복적으로 출현하는 주요 객체 영역을 분할하려는 시도가 활발히 수행되고 있다.
- 본 고에서는 최근 활발히 연구되고 있는 비지도 방식과 준지도 방식의 최신 기술 동향을 살펴보고자 한다. II장에서는 비지도 동영상 객체 분할과 준지도 동영상 객체 분할의 최신 연구를 순차적으로 소개한다.
- 동영상 객체 분할은 사용자의 관여정도에 따라 크게 비지도 동영상 객체 분할, 준지도 동영상 객체 분할, 인터렉티브 동영상 객체 분할 세 카테고리로 분류할 수 있다. 비지도 동영상 객체 분할은 객체에 대한 어떠한 사용자 주석(user annotation) 정보 없이 배경으로부터 객체를 분할하는 것을 목표로 한다. 준지도 동영상 객체 분할은 첫 프레임에서 사용자가 제공한 타겟 객체에 대한 정확한 분할 영역을 이용하여 이 후 프레임에서의 타겟 객체 분할을 수행한다.
- 이번 장에서는 다양한 동영상 객체 분할 기법들에 대한 성능을 분석하고자 한다. 동영상 객체 분할에 널리 사용되는 데이터셋으로 DAVIS[22] 데이터셋이 있다.
- 심층신경망을 fine-tuning한 후, 이 후 프레임에서 finetuning한 심층신경망을 이용하여 타겟 객체에 대한 확률 맵을 출력하는 방법이다. 첫 프레임에서 주어지는 단 한 장의 타겟 객체 분할 정보로는 심층신경망을 학습하기에 부족하기 때문에 데이터 증강을 통해 데이터 부족 문제를 해결하려고 하였다. 그러나, 이러한 fine-tuning 방식은 데이터 부족과 첫 번째 프레임과 멀어질수록 변형되는 타겟 객체에 대응하지 못하는 문제가 있어 성능의 한계를 보인다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.