• 목록

[일시] 2023. 12. 14

[세미나 주제] Frame Sampling

[요약]
영상 데이터는 반복되는 정보량이 많아 모델 학습에 효율적이지 않으며 특정 정보에 편향될 가능성이 매우 높다. 또한, 영상 전체를 학습 데이터로 구축 시 labeling cost가 매우 높다는 한계점이 존재한다. 지난 실험으로부터 전체 100%의 데이터 중 1%만을 활용해도 성능차이가 크지 않았다는 점을 통해 효율적인 데이터 샘플링이 필요하다는 점을 제시하였다. 이를 해결하기 위해 전체 영상 데이터로부터 상대적인 정보량이 많은 영상을 선택하고, 해당 영상으로부터 정보량이 많은 frame을 추출하는 방안에 대해 제시하였다. 영상 집단으로부터 각 영상들이 갖는 상대적 위치정보를 기반으로 가능한 다양한 종류의 영상들을 활용할 수 있도록 scoring을 수행하고, 해당 score를 기반으로 mottion difference를 고려한 frame sampling을 상대적으로 추출한다.

[참고 논문]
- ALT: Active Learning for deep visual Tracking(ALT)
- MGSampler