• 목록

2024년 9월 김선주 교수가 지도하는 Computational Intelligence & Photography 연구실은 컴퓨터비전 최고 권위 국제 학술대회 중 하나인 European Conference on Computer Vision (ECCV) 2024에 총 6편의 논문을 발표했다.

 

“Learning to Enhance Aperture Phasor Field for Non-Line-of-Sight Imaging” 논문은 뉴럴 네트워크를 활용한 비시선 이미징 방법론을 제시하였으며, 페이저 필드 기반의 NLOS 관측 데이터 복원 네트워크를 이용하여 보다 실용적인 시나리오에서 비시선 이미징을 가능하게 하였다.

“Domain Reduction Strategy for Non-Line-of-Sight Imaging” 논문은 최적화 기반의 비시선 이미지 방법론을 제시하였으며, 최적화 과정에서 발생하는 불필요한 연산들을 줄여 약 20배 이상의 속도 향상을 달성하였다.

“Hierarchically Structured Neural Bones for Reconstructing Animatable Objects from Casual Videos” 논문은 계층적 뼈 구조를 학습함으로써 비디오로부터 animatable 3D 모델을 만드는 기술을 제시하였으며, 이를 바탕으로 사용자에게 편리한 3D 모델 생성 방법과 손쉬운 조작 방법을 제공하였다.

“Video Instance Segmentation with Appearance-Guided Enhancement” 논문은 기존의 비디오 객체 분할 논문들의 위치 정보에 의존적인 문제를 지적하였으며, 이를 보다 인간의 인식 능력에 가깝도록 물체의 외형 정보까지 활용하는 방법을 제안하였다.

“ActionSwitch: Class-agnostic Detection of Simultaneous Actions in Streaming Videos” 논문은 실시간 스트리밍 비디오에서 동시에 일어나는 동작까지 포함하여 일반적으로 모델링 할 수 있는, 유한 상태 오토마타를 구체화하는 새로운 프레임워크를 제안하고, 이에 대한 효과적인 훈련 방법론을 제안하였다.

"Accelerating Image Super-Resolution Networks with Pixel-Level Classification" 논문은 단일 이미지 초해상도에서 픽셀 단위 난이도 분류를 통해 성능 손실 없이 계산량을 줄이는 적응형 자원 분배 기술을 제안했다.

 

Links:

Accelerating Large Image Super-Resolution Networks with Pixel-Level Classification : https://3587jjh.github.io/PCSR/

VISAGE: Video Instance Segmentation with Appearance-Guided Enhancement : https://kimhanjung.github.io/VISAGE/

ActionSwitch: Class-agnostic Detection of Simultaneous Actions in Streaming Videos : https://musicaloffering.github.io/ActionSwitch-release/

Hierarchically Structured Neural Bones for Reconstructing Animatable Objects from Casual Videos : https://sites.google.com/yonsei.ac.kr/subinjeon/projects/hsnb

Domain Reduction Strategy for Non Line of Sight Imaging : https://arxiv.org/abs/2308.10269

Learning to Enhance Aperture Phasor Field for Non-Line-of-Sight Imaging : https://join16.github.io/leap-page/