본문 바로가기
728x90

Computer Vision16

[논문 리뷰] Differential Angular Imaging for Material Recognition CVPR2017에 게재된 material recognition 관련 논문입니다. 본 논문에서는 이미지 캡처의 small anugular variation를 이용하여 재질 분류 성능을 높이는 DAIN(Differential Angular Imaging Network)를 제안합니다. Introduction Real world scene은 나무, 대리석, 흙, 금속, 세라믹 등과 같은 다양한 재질로 만들어진 표면으로 구성되어 있고, 이는 이미지에서 풍부한 visual variation을 발생시킵니다. Material recognition은 autonomous agent, human-machine 시스템과 같은 응용 분야에 대한 자세한 재질 정보를 제공하는 것을 목표로 최근 몇 년 동안 활발한 연구가 진행되었습.. 2021. 10. 11.
[논문 리뷰] A 4D Light-Field Dataset and CNN Architectures for Material Recognition 본 논문은 ECCV2016에 게재된 논문으로 4D light-field dataset을 처음으로 재질 인식에 사용한 연구 입니다. Light field? light field 는 빛을 시공간 field에서 표현하기 위한 plenoptic function으로 정의할 수 있는데, 이중에서 빛의 방향(가로 각도, 세로각도), 빛의 2차원 위치(x,y) 4개의 파라미터만을 사용하여 4D light-field라고 합니다. Lytro Illum 등의 4D light-field 카메라는 micro lens array를 main lens와 photo sensor 사이에 위치시켜 오브젝트 한 지점에서 여러 방향으로 방사되어 main lenz를 통과하는 빛을 micro lens로 분리시켜 따로 저장시킬 수 있습니다. 이는.. 2021. 10. 6.
[논문 리뷰] Deep Texture Recognition via Exploiting Cross-Layer Statistical Self-Similarity∗†‡ 본 논문은 CVPR2021에 게재된 논문이며 texture recogntion(texture, material datatset) SOTA를 달성한 연구입니다. Texture Recognition ? Texture Recognition은 Image classification 분야의 일부로 object(e.g. 강아지,고양이,사슴,트럭,...etc.)가 아닌 texture(체크무늬, 줄무늬, 페이즐, 밧줄, etc.)를 분류하는 작업입니다. object는 하나의 class가 어느정도의 deformation(object의 세부 class, object를 보는 각도, object의 자세 차이)을 가지지만 유사한 shape을 가지므로 global한 shape정보가 주요한 feature로 사용됩니다. 하지만, te.. 2021. 10. 4.
[논문 리뷰] SKIP RNN: LEARNING TO SKIP STATE UPDATES INRECURRENT NEURAL NETWORKS / Long term sequence 문제를 해결하기 위한 시도 Introduction RNN은 sequence modeling 에서 뛰어난 성능을 보여주지만 long sequence에 대한 학습에서는 slow inference, vanishing gradient, long term dependency 같은 문제점이 발생한다. (*Long term seqeunce 에 의해 발생할 수 있는 문제 : throughput degradation, slower convergence, memory leakage...) 본 논문에서는 RNN의 state update를 건너뛰고 computation graph의 effective size를 줄이는 방법을 학습하여 기존 RNN 모델을 확장하는 'Skip RNN' 모델을 제안한다. 일반적으로 시퀀스를 단축하여(샘플링 속도를 줄이거나) .. 2021. 2. 18.
728x90