분산형 형태 사전 모델링: 2차 차수 Gibbs Random Field의 힘

초록

본 논문은 2차 차수 Gibbs Random Field(GRF)를 이용해 복합 형태를 단순 파트와 그 공간 관계로 동시에 표현할 수 있음을 보인다. 그래프 구조 자체를 학습 파라미터로 삼아, 형태 파트 라벨링과 주변 관계를 통합적으로 모델링하고, 실험을 통해 공간 관계와 단순·복합 형태를 효과적으로 학습·인식함을 확인한다.

상세 분석

논문은 시각 인식 초기 단계에서 형태 정보를 활용하고자 하는 동기에 출발한다. 기존의 전역 형태 모델은 전체 형태를 하나의 레벨셋 함수로 표현해 초기 포즈가 정확히 주어져야 하는 제한이 있었으며, 반면 지역 기반 모델은 고차 차수의 잠재 변수를 도입해 복잡성을 증가시켰다. 저자들은 이러한 복잡성을 2차 차수 GRF, 즉 이웃 관계를 정의하는 벡터 집합 A와 각 이웃 유형별 동일한 Gibbs 포텐셜 u_a(k,k’)을 사용해 충분히 표현할 수 있음을 증명한다. 핵심 아이디어는 그래프 구조 A 자체를 학습 가능한 파라미터로 취급함으로써, 형태 파트 간의 상대적 위치와 방향성을 포텐셜에 직접 인코딩한다는 점이다.

모델 정의는 다음과 같다. 이미지 도메인 D⊂ℤ²의 각 픽셀을 노드로 하고, A⊂ℤ²에 포함된 벡터들을 이용해 변위 기반 무방향 그래프를 만든다. 각 변위 a에 대해 동일한 포텐셜 함수 u_a:K×K→ℝ을 부여하고, 라벨링 y:D→K(배경 포함) 에 대해
p(y)=1/Z·exp(∑{a∈A}∑{(t,t’)∈E_a} u_a(y_t,y_{t’}))
를 정의한다. 여기서 Z는 정규화 상수이며, 포텐셜은 각 a마다 합이 0이 되도록 정규화한다. 이 모델은 동일한 변위에 대해 전역적으로 동일한 상호작용을 가정함으로써 파라미터 수를 크게 줄이면서도, 변위 자체가 형태 파트 간의 공간 관계를 직접 기술한다.

학습은 두 단계로 나뉜다. 첫째, 주어진 이미지와(또는 라벨이 없는 경우) 라벨링 y에 대해 최대우도(MLE)를 사용해 포텐셜 u를 추정한다. 로그우도 미분은 사후 기대와 사전 기대의 차이로 표현되며, 이는 실제 라벨링과 샘플링된 라벨링 사이의 통계량 n_a(k,k’) 차이로 구현된다. 정확한 기대값 계산이 불가능하므로 저자는 스토캐스틱 그래디언트 상승법을 제안하고, 사후와 사전 분포에서 각각 라벨링을 샘플링해 근사한다.

두 번째는 그래프 구조 A 자체를 선택하는 문제이다. 전체 가능한 변위 집합을 모두 사용하면 VC 차원이 급증해 과적합 위험이 크므로, 제한된 크기 |A|=m인 최적 구조를 탐색한다. 저자는 두 가지 그리디 전략을 제시한다. (1) 빈 그래프(A={0})에서 시작해 현재 구조에 가장 큰 로그우도 기울기를 가진 변위를 추가하는 방식; (2) 전체 변위 집합에서 시작해 로그우도 감소가 가장 작은 변위를 제거하는 방식. 두 방법 모두 현재 최적 포텐셜 u*를 계산한 뒤, 해당 변위에 대한 포텐셜 크기 ‖u_a‖를 기준으로 선택한다. 이는 포텐셜이 0에 가까울수록 해당 변위가 모델에 크게 기여하지 않음을 의미한다.

추가적으로, 저자는 GRF와 CRF의 차이를 논한다. 두 모델은 추론 단계에서는 동일하지만, 학습 단계에서 GRF는 사전 분포를 명시적으로 정의할 수 있어 완전 비지도 학습이 가능하다는 점을 강조한다.

실험에서는 (1) 대규모 장면 파트(하늘, 나무, 풀) 간의 공간 관계를 학습하고, (2) 단순 형태(원, 사각형 등)를 표현하며, (3) 복합 형태를 파트와 관계의 결합으로 모델링한다. 첫 번째 실험에서는 d=20 범위의 전체 변위 집합을 사용해 8-이웃 Potts 모델과 비교했으며, 학습된 사전 모델만으로도 의미 있는 라벨링을 생성함을 보였다. 두 번째 실험에서는 제한된 변위 집합으로도 원형·사각형 형태를 정확히 재현했으며, 세 번째 실험에서는 두 개의 원이 일정한 거리와 각도로 배열된 복합 형태를 성공적으로 학습하고, 다른 형태 클래스와의 구분도 가능함을 입증했다.

전체적으로 이 논문은 2차 차수 GRF가 복합 형태를 파트와 공간 관계의 조합으로 충분히 표현할 수 있음을 실증하고, 그래프 구조 자체를 학습 파라미터로 삼는 새로운 모델 선택 방법을 제시한다. 이는 초기 시각 처리 단계에서 형태 사전을 효율적으로 활용하고, 객체 수가 사전에 알려지지 않은 상황에서도 강건한 세그멘테이션을 가능하게 한다는 점에서 의미가 크다.