Bo Peng, Jintao Chen, Mufeng Yao, Chenhao Zhang, Jianghui Zhang, Mingmin Chi, Jiang Tao
개요
본 논문에서는 컨볼루션 신경망(CNN) 기반의 차별적 기술에 대한 특징 집계를 활용하는 최근의 발전에도 불구하고, 공간 분포에서의 질감 기본 요소의 변동성과 무작위성으로 인해 시각적 기본 요소를 통한 비국소적 맥락 관계를 모델링하는 것이 어려운 질감 인식 문제를 해결하기 위해 그래프 향상 질감 인코딩 네트워크(GraphTEN)를 제안합니다. GraphTEN은 완전 연결 그래프를 통해 전역 연관성을 모델링하고, 이분 그래프를 통해 질감 기본 요소의 크로스 스케일 의존성을 포착합니다. 또한, 다중 스케일 패치 특징을 통합된 특징 공간으로 인코딩하여 질감의 순서 없는 표현을 달성하기 위해 코드북을 활용하는 패치 인코딩 모듈을 도입합니다. 제안된 GraphTEN은 5개의 공개적으로 사용 가능한 데이터 세트에서 최첨단 방법보다 우수한 성능을 달성합니다.
시사점, 한계점
•
시사점:
◦
그래프 기반의 질감 인코딩 네트워크를 통해 국소 및 전역 특징을 효과적으로 모델링하여 질감 인식 성능을 향상시켰습니다.
◦
다중 스케일 패치 특징을 통합적으로 처리하는 패치 인코딩 모듈을 통해 질감의 순서 없는 표현을 가능하게 하였습니다.
