CNN 기반 경로 손실 예측에서 스칼라 특성 채널화가 일반화에 미치는 영향

초록

본 논문은 주파수와 거리와 같은 스칼라 특성을 CNN 입력에 이미지 채널로 포함시킬지, 회귀층에 스칼라 변수로 전달할지 비교한다. 영국 데이터의 교차 검증과 캐나다 독립 테스트를 통해, 스칼라 특성을 채널 형태로 제공하는 원본 및 FINE 구성이 일반화 성능이 우수함을 확인하였다. 반면, FLIP 구성은 과적합으로 테스트 RMSE가 크게 악화된다.

상세 분석

이 연구는 고해상도 지도 기반 경로 손실 모델에 CNN을 적용할 때, 스칼라 특성인 주파수와 3‑차원 거리 정보를 어떻게 표현하느냐가 모델의 일반화 능력에 미치는 영향을 정량적으로 평가한다. 기존 방법(