고밀도 편광 비전 학습을 위한 데이터셋 'DensePol'
DensePol: Dense-Angle Polarization Dataset for Learning-Based Polarimetric Vision
arXiv편광 비전 연구의 한계를 극복하기 위해, 고밀도 편광 정보를 담은 새로운 RGB-편광 데이터셋 'DensePol'을 공개했습니다.
- 시간 분할(DoT) 방식을 활용하여 1도 간격의 180개 분석기 방향 데이터를 확보함으로써, 기존 대비 편광 정보의 안정성과 신뢰도를 대폭 높였습니다.
- 편광 이미지는 일반 RGB로는 알 수 없는 사물의 재질이나 모양 같은 물리적 단서를 제공해 자율주행 및 정밀 검사 분야에 활용 가치가 매우 높습니다.
- 데이터셋 외에도 순환형 AoLP 표현과 국소 DoLP 보정기가 포함된 확산 기반 예측 프레임워크까지 함께 제시되어 실제 시스템 구축에 용이합니다.
편광 비전은 RGB 이미지만으로는 얻기 어려운 장면의 모양, 재질, 반사 등에 대한 물리적 단서를 제공하기 때문에 주목받고 있습니다. 기존 연구들은 일반적인 RGB 이미지를 기반으로 편광을 예측하는 방식을 탐구해 왔으나, 대부분의 데이터셋은 공간적으로 간섭된 분석기 방향(DoFP) 카메라를 사용했습니다. 이 방식은 각도 중복성이 제한적이며 보간 및 순간 시야각 오류를 유발하는 한계가 있었습니다.
이러한 문제를 해결하기 위해 고중복성을 갖춘 RGB-편광 데이터셋인 DensePol을 도입했습니다. DensePol은 시간 분할(DoT) 획득 방식을 기반으로 하며, $1^\circ$ 간격의 180개 전체 해상도 분석기 방향 데이터를 포착했습니다. 이 데이터셋에는 각도 측정값과 피팅 잔여값이 유지된 총 2,018쌍의 RGB-편광 이미지가 포함되어 있습니다. 이러한 고밀도 각도 샘플링은 편광 안정성을 크게 개선하여 $\text{AoLP}$ 편차를 $13.36^\circ$에서 $2.21^\circ$로 줄이는 결과를 보였습니다.
데이터셋과 함께 순환형 $\text{AoLP}$ 표현 및 국소 DoLP 정제기(refiner)가 포함된 결정론적 확산 기반 RGB-to-polarization 프레임워크도 제시되었습니다. 실험 결과, 이 프레임워크는 편광 예측 성능을 향상시켰으며, 이를 통해 다운스트림 표면 법선 추정 등의 작업에서도 개선된 결과를 입증했습니다. 데이터셋과 코드는 공개될 예정입니다.