다양한 장면에 강한 자율 학습 깊이 추정 기법 MaSS

핵심 요약

• 자율 학습으로 단안 깊이 추정을 수행하려면 라벨 없는 대규모 데이터를 활용할 수 있지만, 기존 방법들은 다양한 장면의 혼합 데이터로 학습할 때 성능이 떨어진다.
• 연구진은 자율 학습 상황에서 모델이 전이 가능한 기하학 대신 데이터셋별 구조적 편향을 학습하면서 도메인 간 최적화 충돌이 발생하는 문제를 발견했다.
• 이를 해결하기 위해 MaSS 프레임워크를 제안하며, 맥락 특징과 명시적으로 분리된 전용 구조 표현 경로를 도입한다.
• 장면 구조 판별 목표함수로 깊이 해석에 쓰일 일반화된 레이아웃 인식 구조 표현을 학습하도록 설계했다.
• 4개 데이터셋에서 개별 및 혼합 학습으로 훈련·평가한 결과 기존 자율 학습 방법들을 크게 능가했으며, 혼합 도메인 학습에서 이득을 본 첫 방법이다.
• 8개 추가 데이터셋에서 제로샷 평가를 수행한 결과 특히 분포 밖 장면에서 뛰어난 일반화 능력을 보였다.
• 소스 코드는 https://mias.group/MaSS 에서 공개되어 있다.