베이즈 이미지 해석을 위한 생성적 그래픽 프로그램

본 논문은 컴퓨터 비전을 베이즈 역문제로 바라보는 전통적 관점을 재검토하고, 이를 실제 구현 가능한 형태로 구체화한다. 저자들은 **생성적 확률 그래픽 프로그램(Generative Probabilistic Graphics Programs, GPGP)** 라는 프레임워크를 제안한다. GPGP는 네 가지 핵심 구성요소—확률적 장면 생성기, 근사 렌더러, 확률적 우도 모델, 그리고 렌더링·우도 품질을 조절하는 잠재 변수—로 이루어지며, 이 모든 요소를 **Church** 계열의 확률 프로그래밍 언어로 20줄 이하의 코드로 정의한다. 장면 생성기는 물체(문자, 도로 등)의 존재 여부, 위치, 크기, 회전, 식별자 등을 사전 분포에 따라 샘플링한다. 렌더러는 기존 그래픽 소프트웨어(예: OpenGL, Python 기반 이미지 처리 라이브러리)를 호출해 장면과 제어 변수 \(X\) 로부터 이미지 \(I_R\) 를 생성한다. 여기서 \(X\) 는 블러 폭, 전역 블러, 우도 분산 등 렌더링의 정확도와 관측 이미지와의 허용 오차를 조절한다. 우도 모델은 렌더링된 이미지와 실제 관측 이미지 \(I_D\) 사이의 차이를 확률적으로 평가한다. 논문에서는 다변량 가우시안 우도를 사용했으며, 블러·노이즈 파라미터를 포함해 관측 데이터의 불확실성을 포괄한다. 추론 단계에서는 **단일 변수 Metropolis‑Hastings** 전이만을 사용한다. 각 스텝에서 무작위로 선택된 장면 변수 혹은 제어 변수를 기존 사전에서 재샘플링하고, 새 변수 집합에 대해 렌더링을 재실행한다. 제안 확률과 사후 확률을 이용한 MH 수용률 \(\alpha_{MH}\) 를 계산해 샘플을 받아들인다. 이 과정은 별도의 맞춤형 제안 분포 설계가 필요 없으며, 자동으로 “블러 조정 → 지역화 → 식별”이라는 자기조정(annealing) 효과를 만든다. 즉, 초기에는 큰 블러와 높은 관측 노이즈를 허용해 전역적인 탐색을 수행하고, 추론이 진행될수록 블러와 노이즈 파라미터가 감소해 정밀한 지역 최적화를 수행한다. 두 가지 실제 응용 사례가 제시된다. 첫 번째는 **CAPTCHA 문자 인식**이다. 문자마다 존재 여부, 좌표, 크기, 회전, 식별자를 샘플링하고, 각 문자에 독립적인 가우시안 블러를 적용한다. 전역 블러와 관측 이미지 블러를 추가해 렌더러가 과도하게 정밀하지 않게 만든다. 40여 장의 실제 및 합성 CAPTCHA(터보택스, E‑Trade, AOL 등)에서 70.6%의 문자 검출률을 달성했으며, 이는 동일 데이터에 대해 37.7%의 성능을 보인 Tesseract 대비 크게 향상된 결과다. 두 번째는 **3D 도로 모델링**이다. 도로 높이, 폭, 차선 크기, 카메라 상대 위치 등을 샘플링하고, 표면 기반 세그멘테이션 렌더러를 통해 도로·차선·오프로드 영역을 구분한다. 단일 이미지에서 3D 구조를 복원하는 데 성공했으며, 이는 자율주행 차량의 인식 파이프라인에 직접 적용 가능함을 시사한다. 실험 결과는 **렌더러 충실도와 우도 관용도 조절이 추론 수렴에 결정적**임을 보여준다. 블러 변수와 노이즈 파라미터를 추론 과정에서 동적으로 학습함으로써, 복잡한 겹침·왜곡·조명 변동을 가진 이미지에서도 로컬 최소에 빠지지 않고 전역 최적해에 도달한다. 이는 기존 베이즈 이미지 해석에서 요구되던 맞춤형 MCMC 제안 설계와 비교해 구현 복잡도를 크게 낮춘다. 결론적으로, 이 논문은 **“짧은 확률 코드 + 기존 그래픽 엔진 = 베이즈 이미지 해석”**이라는 새로운 패러다임을 제시한다. 코드량이 20줄 이하라는 경량성, 일반적인 추론 엔진만으로 구현 가능하다는 범용성, 그리고 블러·노이즈 제어 변수를 통한 자동 annealing 메커니즘은 향후 복합 비전 문제에 대한 빠른 프로토타이핑과 연구 확장을 가능하게 한다. 향후 연구에서는 더 복잡한 장면 구조, 다중 뷰, 실시간 추론 등으로 확장할 여지가 크다.