연속 정규 흐름을 활용한 불확실성 인식 인간 자세 추정

초록

본 논문은 회귀 기반 인간 자세 추정에 연속 정규 흐름(CNF)을 결합한 Continuous Flow Residual Estimation(CFRE) 모델을 제안한다. 고정된 분포 가정의 한계를 극복하고, 복잡한 불확실성 분포를 동적으로 학습함으로써 2D·3D 자세 추정에서 정확도와 불확실성 정량화 모두를 향상시키면서도 추론 시 추가 연산 비용을 발생시키지 않는다.

상세 분석

CFRE는 기존 회귀 기반 HPE 파이프라인에 두 단계의 모듈을 추가한다. 첫 번째는 이질성(heteroscedastic) 회귀 네트워크로, 각 관절에 대해 평균 µ̂와 스케일 σ̂(라플라스 혹은 가우시안)를 예측한다. 이 단계는 기존 회귀 모델과 동일한 구조와 연산량을 유지한다. 두 번째는 연속 정규 흐름(CNF)으로, 초기 베이스 분포 z(0)∼N(0,I)를 시간 t∈