위성 Sim2Real 6D Pose Estimation을 위한 구성 요소 인지 구조 보존 스타일 전이

요약

비협조적 위성의 6D 포즈 추정을 위해 합성 데이터와 실제 데이터 간의 외관 차이를 극복하는 '구성 요소 인지 구조 보존 스타일 전이' 프레임워크를 제안합니다. 이 방법은 실제 이미지에서 부위별 스타일 코드를 추출하여 합성 이미지에 주입함으로써, 기하학적 구조를 유지하면서도 실제와 유사한 데이터를 생성합니다. 실험 결과, 제안된 방식은 이미지 분포 불일치를 최소화하고 GDRNet 포즈 추정기의 성능(ADD pass rate 및 AUC)을 유의미하게 향상시켰습니다.

핵심 포인트

• 합성-실제(Sim2Real) 간의 외관 차이(appearance gap)를 줄이기 위한 구성 요소 단위의 스타일 전이 기법 제안
• 마스크 정렬 변조(mask-aligned modulation)를 통해 합성 이미지의 특정 부위에 실제 도메인의 스타일 코드를 주입
• 적대적 학습과 에지 보존 제약 등을 결합하여 생성된 이미지의 구조적 일관성 유지
• 기존 이미지 변환 베이스라인 대비 낮은 FID 및 KID 수치를 기록하며 우수한 도메인 적응 성능 입증
• 변환된 데이터를 활용한 학습 시 위성 6D 포즈 추정 성능(ADD, AUC) 향상 확인