점수와 확률의 차이
대상의 위치 후보에 높은 점수가 나와도 그 수가 바로 정답 확률은 아닐 수 있다. PrDiMP의 확률적 회귀는 영상 입력에 따른 대상 상태의 조건부 밀도를 예측하도록 구성한다. 확률적인 해석을 명시하는 것이 핵심이다.
주석의 모호함 반영하기
객체의 경계가 흐리거나 가려지면 사람이 표시한 정답 상자에도 불확실성이 있을 수 있다. 모델은 이런 라벨 잡음과 작업의 모호함을 다루는 확률 회귀 목표를 사용한다. 학습은 예측 분포와 목표 분포 사이의 KL 발산을 최소화하는 방식으로 구성된다.
밀도는 점 확률이 아니다
설명용으로 길이 0.5 구간에 균일한 연속 분포를 두면 밀도는 2지만 전체 확률은 2×0.5=1이다. 밀도가 1보다 크다고 잘못된 확률인 것은 아니다. 실제 추적 상태는 더 복잡하며 이 예는 밀도 값과 구간 확률을 구분하는 계산이다.
불확실성의 평가
분포를 출력한다고 모든 환경에서 잘 보정된 확률을 보장하지는 않는다. 위치 정확도와 불확실성 표현이 실제 오류를 반영하는지 따로 확인한다. 가림 및 비슷한 물체 조건에서 추적 실패를 평가하고 상태 좌표와 정답 주석의 규약을 맞춰 비교해야 한다.