Earticle

초록

한국어

딥러닝 기반의 3차원 형상 재 복원 기법에서의 입력 이미지 사이즈의 변화에 따른 적절한 3D-Volume의 크기 및 Volume의 Depth Interval을 찾아보고, 다른 입력 사이즈에 따른 동일한 3D-Volume의 크기 및 Depth Interval에서의 성능을 비교해 본다. DTU dataset에 대한 성능 평가 결과 입력 이미지 사이즈와는 관 련없이, 3D-Volume은 고정된 적절한 값에서 성능이 가장 좋았음을 알 수 있고, 3D-Volume의 크기가 큰 모델이 해상도가 큰 입력 이미지의 성능이 더 좋았다. 또한, DTU 데이터셋에서의 3D-Volume의 적절한 크 기를 알 수 있다. 따라서, 딥러닝 기반 3차원 형상 재 복원 기법에서 사용하는 3D-Volume과 Depth Interval은 학습하는 입력 데이터의 특성을 이해하고, 입력 데이터의 특징에 따라 적절한 값으로 사용하는 것이 좋다.

목차

요약
1. 서론
2. 관련연구
2.1 MVSNet
2.2 Cascade MVSNet
3. 실험방법
3.1. 데이터셋
3.2. 실험환경
3.3 실험
4. 실험결과
5. 결론
Acknowledgement
참고문헌

저자

• 음승호 [ 서강대학교 컴퓨터공학과 ]
• 박운상 [ 서강대학교 컴퓨터공학과 ] 교신저자
• 조용주 [ 한국전자통신연구원, 실감미디어 연구실 ]
• 추현곤 [ 한국전자통신연구원, 실감미디어 연구실 ]

참고문헌