earticle

영어

This paper discusses the estimation of image disparity, which is essential in many applications such as map-building using cameras, AR(Augmented Reality), and autonomous driving. First, this paper briefly explains the basic concepts of image disparity estimation and previous research before deep learning. Additionally, it introduces the latest (state-of-the-art) researches on stereo and monocular methods using deep learning. Specifically, I will explain more about PSMnet and AANet using stereo configurations, and how to use the auto-encoder proposed by Hu and Godard in mono-disparity estimation using a single camera. The image disparity estimation methods described in this paper are expected to be helpful in understanding and utilizing deep learning and in keeping up with the latest trends.

한국어

본 논문은 카메라를 이용하는 많은 지도 작성, 증강현실(Augmented Reality), 자동차 등등에서 반드시 필요한 이미지 변이 추정에 대한 고찰을 다루고 있는 논문이다. 우선 본 논문에서는 이미지 변이 추정에 대한 기본 개념, 딥러닝 이전의 연구들에 대한 설명으로 간 단하게 이미지 변이 추정에 대해 알아본다. 그리고, 딥러닝을 이용한 스테레오 방법과 모노 방법에 대한 최신(State of the Art) 연구들 에 대하여 소개를 한다. 구체적으로 스테레오 구성을 이용하는 PSMnet과 AANet에 대해서 자세히 알아보도록 하고, 단일 카메라를 이 용하는 모노 변이 추정에서는 Hu와 Godard가 제안한 오토인코더를 사용하는 방법에 대해 알아보도록 하겠다. 본 논문에서 설명하고 있는 이미지 변이 추정 방법이 최신의 동향을 파악하는데 도움이 되고, 딥러닝을 이해하고 활용하는데 도움이 되기를 기대한다.