대규모 위치 추정의 부담
큰 공간에서 외관 변화까지 있으면 모든 후보와 세부 특징을 비교하는 비용이 커진다. HF-Net은 전역 검색과 국소 매칭의 역할을 나누는 계층 구조로 이를 다룬다.
하나의 신경망
단일 합성곱 모델이 장소 검색에 쓸 전역 기술자와 정확한 대응에 쓸 국소 특징을 동시에 예측한다. 두 표현을 하나의 처리 구조에서 얻는 구성이다.
성긴 후보에서 세밀한 대응으로
전역 검색으로 가능한 위치 가설을 먼저 구한다. 이후 그 후보 장소 안에서만 국소 특징을 매칭해 정밀한 위치와 방향 계산으로 이어간다.
외관 변화의 평가
논문은 큰 외관 변화가 있는 대규모 위치 추정 벤치마크 두 종류에서 평가했다. 계층적인 후보 축소와 학습 기술자를 결합해 계산량과 강건성을 함께 다루려는 방법이다.
관련 문서
NetVLAD / SuperPoint / SuperGlue / MegaLoc / PoseNet 카메라 위치 추정 / 기하 정합