비대칭 최적수송과 기하학적 제약을 활용한 로컬 디스크립터 집계 A²GC

초록

본 논문은 시각적 장소 인식(VPR)에서 이미지 특징과 클러스터 중심 간의 분포 불균형을 해결하기 위해 비대칭 최적수송 기반 집계 방식을 제안한다. 행‑열 정규화 평균과 별도 주변 보정을 통해 비대칭 매칭을 구현하고, 학습 가능한 좌표 임베딩으로 기하학적 제약을 도입해 공간적 일관성을 강화한다. DINOv2 백본과 결합한 A²GC‑VPR은 MSLS, NordLand, Pittsburgh 데이터셋에서 기존 최첨단 방법들을 능가하는 Recall 성능을 보이며, 연산 효율성도 유지한다.

상세 분석

A²GC‑VPR은 기존 최적수송 기반 집계가 전제하는 ‘대칭 마진’ 가정이 실제 이미지 특징과 클러스터 중심의 분포 차이 때문에 제한적이라는 점을 정확히 짚어낸다. 이를 해결하기 위해 저자는 두 단계의 비대칭 솔버를 설계한다. 첫 번째 단계는 로그 도메인에서 행‑열 정규화를 반복 수행하고, 각 반복 결과를 평균함으로써 행과 열 마진이 동시에 고려되도록 한다. 이 과정은 표준 Sinkhorn이 행·열 마진을 동일하게 강제하는 것과 달리, 각각의 마진이 독립적으로 조정될 여지를 남긴다. 두 번째 단계에서는 별도 주변 보정(u, v)을 적용해 소스와 타깃 마진을 각각 맞춘다. 이때 로그‑합‑지수 연산을 이용해 수치적 안정성을 확보하고, 최종 전송 행렬 P는 비대칭적인 확률 분포를 반영한다.

기하학적 제약은 좌표 임베딩 ϕ_g를 통해 구현된다. 이미지의 (x, y) 좌표를