딥러닝 기반 축 대칭 물체의 회전축 추정 기법

Abstract

축 대칭 물체를 복원할 때 자유도를 줄여 문제를 단순화하기 위해 회전축을 사용한다. 선행 연구들은 기하학적 접근법과 반복적 최적화 알고리즘을 이용하여 회전축을 추정하였으나, 해당 방법들은 기계학습 모델에 비해 추론 시간이 상당히 길다는 단점이 존재한다. 이를 해결하고자, 본 연구에서는 MLP 기반 딥러닝 모델을 기반으로 회전축을 추정하는 방법과 평행이동 및 회전에 적합한 새로운 손실함수를 제안한다. 또한 준 뉴턴 방법 중 하나인 Limited memory Broyden–Fletcher–Goldfarb– Shanno algorithm (LBFGS) 기법을 학습 과정에 활용하여 정확하고 효율적인 회전축 추출을 가능함을 보인다. 본 연구에서 제안된 방법은 기존 연구 대비 축 정확도 면에서 약간의 저하가 관찰되었으나, 추론 시간에 있어서 약 1,000 배의 획기적인 감소를 보여준다.