다중 카메라 소우 식별을 위한 분리 표현 학습

초록

본 논문은 소우 개체 인식을 위해 카메라 간 환경 차이를 최소화하는 분리 표현 학습 프레임워크를 제안한다. Subspace Identifiability Guarantee(SIG) 이론을 기반으로 이미지에서 정체성에 해당하는 잠재 서브스페이스와 카메라·조명·시점 등 변동 요인을 서로 직교하도록 분리한다. 5개의 이질적인 카메라 노드에서 수집한 CCCI60 데이터셋(7,378장, 60마리)으로 실험했으며, 미지의 카메라에 대한 평균 정확도가 86.0%에 달해 기존 Source‑only(51.9%)와 최신 도메인 적응 기법(iMSDA, 79.8%)을 크게 앞선다.

상세 분석

이 연구는 스마트 축산 현장에서 다중 카메라 시스템이 직면하는 ‘도메인 격차’를 근본적으로 해결하려는 시도로, 기존의 전역 특징 정렬 방식과는 달리 물리적 이미지 생성 과정을 모델링한다. 핵심 이론인 Subspace Identifiability Guarantee(SIG)는 관측된 이미지가 여러 독립적인 잠재 요인(정체성, 조명, 시점, 센서 특성 등)의 선형 결합으로 표현될 수 있음을 전제하고, 적절한 구조적 제약을 두면 각 요인을 고유한 서브스페이스로 분리할 수 있음을 보장한다. 논문에서는 이 이론을 딥러닝에 적용해 인코더‑디코더 구조에 두 개의 분리 모듈을 삽입하였다. 첫 번째 모듈은 정체성 전용 서브스페이스(z_id)를 추출하고, 두 번째 모듈은 카메라·조명·시점 등 변동 요인(z_var)을 캡처한다. 두 서브스페이스는 정규화된 내적을 최소화하도록 orthogonality loss를 부여해 서로 독립성을 강제한다. 또한, z_id에 대해 교차 엔트로피 손실을, z_var에 대해 재구성 손실을 각각 적용해 정체성 정보는 분류 성능을, 변동 정보는 원본 이미지 복원에 기여하도록 학습한다.

데이터 측면에서 저자들은 2025년 4월~5월 사이 중국 타이산 지역의 상업용 낙농장에서 60마리 홀스타인 젖소를 대상으로 6대의 카메라(네트워크 카메라 4대, 깊이 카메라 2대)를 배치해 5개의 이질적 노드(헛간 출구, 전·후방 복도, 착유장 입구·출구)에서 영상을 수집했다. 카메라마다 광학 포맷, 동적 범위, 픽셀 크기 등이 달라 색·명암·텍스처 변이가 크게 나타난다. 이렇게 구축된 CCCI60 데이터셋은 각 노드별 이미지 수가 고르게 분포돼 실제 현장의 복잡성을 잘 반영한다.

실험에서는 7개의 교차 카메라 시나리오(5대 중 4대를 소스, 나머지 1대를 타깃)로 평가했으며, 제안 모델은 평균 86.0%의 정확도를 기록했다. 이는 Source‑only(51.9%)와 iMSDA(79.8%)를 각각 34.1%·6.2% 상회한다. 특히 조명 변화가 큰 헛간 출구와 인공 조명이 적용된 착유장 출구에서 기존 방법이 크게 성능 저하를 보이는 반면, 제안 모델은 변동 서브스페이스가 이를 효과적으로 격리해 정체성 서브스페이스의 일관성을 유지한다. Ablation study에서는 orthogonality loss와 변동 재구성 손실을 제거했을 때 정확도가 각각 4~5%씩 감소함을 보여, 각 구성 요소의 기여도를 입증한다.

이 접근법의 강점은 물리적 이미지 생성 모델을 명시적으로 반영함으로써 ‘부정적 전이’를 최소화하고, 라벨이 없는 새로운 카메라에도 바로 적용 가능하다는 점이다. 그러나 현재는 선형 결합 가정을 기반으로 하여 복잡한 비선형 왜곡(예: 렌즈 왜곡, 물방울에 의한 흐림)에는 한계가 있을 수 있다. 또한, 깊이 카메라와 RGB 카메라를 혼합했음에도 두 모달리티를 동일한 잠재 공간에 매핑했기 때문에 모달리티 간 차이를 완전히 해소하지 못한다는 점이 향후 연구 과제로 남는다.