시점이 달라지는 장소
장소가 같아도 보는 방향이 바뀌면 사진 속 구성은 달라진다. EigenPlaces는 이러한 시점 변화에 대한 강건성을 전역 영상 기술자의 학습에 반영한다.
학습 자료의 군집화
학습 자료를 군집화해 같은 관심 지점의 서로 다른 관측을 모델에 명시적으로 보여 준다. 관심 지점을 고르는 과정에는 추가 감독이 필요하지 않도록 구성한다.
전역 기술자의 검색
질의 영상을 위치 표지가 있는 사진 데이터베이스와 비교하는 전역 기술자를 학습한다. 학습 사례의 시점 구성을 바꿔 장소 표현을 개선하려는 접근이다.
자료 사이의 비교
논문은 여러 장소 인식 자료에서 성능을 비교하고 기술자 크기와 학습 메모리도 평가했다. 작은 표현과 계산량이 모든 관측 조건의 성공을 보장하는 것은 아니며 평가 자료별 결과가 중요하다.
관련 문서
CosPlace / NetVLAD / Patch-NetVLAD / MixVPR / 영상 검색 / 전이 학습