DISK 특징 학습

선택 과정의 어려움

어떤 화소를 관심점으로 고를지와 어떤 상대에 연결할지는 이산적인 선택을 포함한다. 선택 결과가 갑자기 바뀌는 과정은 일반적인 미분만으로 끝까지 학습하기 어렵다. DISK는 특징과 대응의 선택을 확률적으로 표현해 이 문제를 다룬다.

기대 보상의 예

두 선택의 보상이 각각 2와 5이고 선택 확률이 0.6과 0.4라면 기대 보상은 3.2다. 좋은 선택의 확률을 높이면 기대값을 개선할 수 있다. 이는 확률적 학습의 기본 예이며 실제 특징 대응 보상의 정의와 기울기 추정식을 전부 나타내지는 않는다.

반복 검출만이 목표는 아니다

관심점을 다시 찾는 것에 더해 최종적으로 맞는 대응을 얻는 목적을 직접 다룬다. 많은 특징을 추출하더라도 서로 혼동되면 매칭에 도움이 되지 않을 수 있다. 특징의 밀도와 구별 가능성을 함께 살펴야 한다.

학습과 추론의 관계

확률적 학습에서 사용하는 과정과 실제 특징 추출 과정이 크게 달라지면 결과를 해석하기 어려울 수 있다. DISK는 두 과정이 가깝게 유지되도록 구성한다. 평가할 때에는 특징 수, 대응 정확도와 실행 비용을 기록하고 국소 특징의 개선을 전체 공간 복원의 보장으로 해석하지 않는다.