Learning When to Correct: Selective Calibration for Monocular Kinematics

Fri, 01 Jan 2027 00:00:00 +0900

이준호 학부연구생이 제1저자로 수행한 연구로, WACV 2027 Main Conference (Application Track)에 채택되었습니다. 저자는 이준호, 강동준, 이경수입니다.

단안 영상 기반 관절 운동학 추정에서 이미 정확한 추정값까지 보정해 오히려 오차를 키우는 과보정 문제를 다룹니다. 제안한 선택적 보정 기법은 기존 추정값을 유지할지 ExtraTrees 보정값을 채택할지 판단하여, 평균 절대 오차를 5.94°로 줄이고 5° 허용 범위 내 추정값의 보존 실패율을 34.7%에서 16.5%로 낮췄습니다.

선택적 보정 프레임워크

논문 Figure 2. 피험자 단위로 분리된 학습과 forest consensus 표현을 이용해 보정의 이득을 예측하며, 추론 시 참조 측정값 없이 보정 여부를 결정합니다.

Selective Calibration | MacsLAB

Learning When to Correct: Selective Calibration for Monocular Kinematics

선택적 보정 프레임워크