BootsTAP

실제 움직임으로 학습 범위 넓히기

많은 점의 정확한 궤적을 실제 영상에 표시하는 일은 비용이 크다. 합성 영상은 대규모 정답을 만들기 쉽지만 외형과 움직임의 다양성에 차이가 있다. BootsTAP는 실제 비라벨 영상으로 점 추적 학습을 보완한다.

학생과 교사의 역할

교사 모델의 예측을 학생 학습에 활용하는 자기지도 구성을 사용한다. 구조를 크게 바꾸는 대신 데이터와 학습 과정의 활용을 중심으로 개선한다. 교사가 출력한 궤적은 관측으로 확인한 완전한 정답과 같지 않다.

예측의 일관성 예

설명용으로 영상을 좌우 반전하면 너비를 1로 정규화한 가로 좌표 0.2는 0.8에 대응한다. 변환 전후 점 예측이 이런 관계를 만족하는지는 학습 단서가 될 수 있다. 이 계산은 일관성의 의미를 설명하며 BootsTAP의 실제 변환 목록이나 전체 손실을 지정하지 않는다.

반복 학습과 검증

잘못된 교사 예측을 그대로 학습하면 같은 오류가 강화될 수 있다. 실제 영상의 다양성과 교사 신호의 품질을 함께 확인해야 한다. 독립된 평가 영상에서 가시성과 위치 오차를 검증하고 사전 학습 데이터의 양, 학습 절차 및 입력 조건을 맞춰 다른 모델과 비교한다.