고정 모델과의 차이
미리 학습한 흐름 모델은 추론 때 가중치를 고정하는 경우가 많다. 이 방법은 현재 입력에서 최적화를 수행하며 신경망의 구조 자체를 흐름의 사전 제약으로 활용한다.
암묵적인 정규화
다층 퍼셉트론만으로 구성한 신경망이 장면 흐름의 사전 역할을 할 수 있음을 제시했다. 대량의 정답 자료에서 통계를 익히는 대신 구조적인 편향과 실행 중 최적화를 연결한다.
연속적인 흐름 표현
흐름을 암묵적이고 연속적인 함수로 표현한다. 운동 벡터를 시간에 따라 적분해 점을 전파하면 여러 시점 사이의 장기적인 대응을 추정할 수 있다.
점군 시퀀스의 누적
논문은 연속 라이다 점군을 누적하는 응용으로 장기 대응의 활용을 보였다. 오프라인 자료가 필요 없다는 특성과 실행 중 최적화 계산이 필요하다는 점을 함께 가진 방법이다.
관련 문서
FlowNet3D / FLOT 장면 흐름 / PointPWC-Net / 다층 퍼셉트론 / 라이다 / 점군