Towards Generalizable Scene Change Detection
Created by
- Haebom
Category
Empty
저자
Jaewoo Kim, Uehwan Kim
개요
본 논문은 기존 장면 변화 감지(SCD) 방법들의 일반화 성능 저하 문제를 해결하기 위해 일반화 가능한 장면 변화 감지 프레임워크(GeSCF)를 제안합니다. GeSCF는 사전 훈련된 Segment Anything Model(SAM)을 제로샷 방식으로 활용하여 초기 의사 마스크 생성 및 기하-의미 마스크 매칭을 통해 사용자 안내 없이도 장면 변화 감지를 수행합니다. 또한, 일반화 가능한 SCD 연구를 촉진하기 위해 Generalizable Scene Change Detection (GeSCD) 벤치마크를 정의하고 새로운 평가 지표 및 프로토콜을 제시하며, 다양한 환경을 포함하는 ChangeVPR 데이터셋을 소개합니다. 실험 결과, GeSCF는 기존 SCD 데이터셋에서 평균 19.2%, ChangeVPR 데이터셋에서 30.0%의 성능 향상을 달성하여 기존 최고 성능을 거의 두 배로 향상시켰습니다.
시사점, 한계점
•
시사점:
◦
기존 SCD 방법의 일반화 성능 저하 문제를 해결하는 새로운 프레임워크(GeSCF) 제시
◦
SAM을 활용한 제로샷 학습으로 사용자 안내 없이도 SCD 가능
◦
GeSCD 벤치마크 및 ChangeVPR 데이터셋 제공으로 일반화 가능한 SCD 연구 촉진
◦
기존 SCD 데이터셋 및 ChangeVPR 데이터셋에서 성능 향상 확인
•
한계점:
◦
ChangeVPR 데이터셋의 규모 및 다양성에 대한 추가적인 검토 필요
◦
GeSCF의 성능 향상이 모든 유형의 환경 변화에 대해 일반화되는지 추가 연구 필요
◦
실제 환경 적용 시 발생 가능한 제약 및 한계에 대한 추가 분석 필요
