패스트캠퍼스 환급챌린지 26일차 : Computer Vision Signature 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

공부 시작 시각 / 공부 종료 시각

 

 수강 인증 사진

학습 인증샷 (필기)

챌린지 대상 강의 완강률 

25일차, 강의 후기

-  어제: "센서 융합이 해답이다" → 오늘: "미지의 객체도 추적 가능하다"
-  기존 Object SLAM의 "CAD 모델 의존성" vs Bundle SDF의 "모델-프리 접근"
-  Known object tracking → Unknown object tracking으로의 혁신적 도약
-  "사전 정보 없이도 가능하다"는 패러다임 충격
-  Neural Field의 우아한 등장
---
NeRF 기반 뉴럴 랜더링이 3D 재구성의 게임체인저로 부상

-  SDF(Signed Distance Function)로 표면을 연속함수로 표현하는 수학적 아름다움
-  "픽셀 → 포인트 클라우드 → 연속 함수"로 이어지는 표현의 진화
-  이산적 복셀에서 연속적 임플리시트 표현으로의 패러다임 시프트
-  실시간성과 정확성의 절묘한 균형
---
6DOF 트래킹 + 3D 재구성을 동시에 수행하는 병렬 처리의 지혜

-  상위 루프(포즈 추정) ↔ 하위 루프(3D 재구성)의 상호 보완 구조
-  메모리 풀을 통한 키프레임 관리로 과거-현재-미래 연결
-  "추적하며 복원하고, 복원하며 추적한다"는 철학의 구현
-  사전 학습 모델들의 조화로운 협업
---
XMem(객체 세그멘테이션) + LoFTR(피처 매칭)의 완벽한 조합

-  각 모듈의 전문성을 살리면서도 전체 시스템의 일관성 유지
-  Object-agnostic 세그멘테이션의 범용성과 강인함
-  "전문가들의 협업"이 만들어내는 시너지 효과
-  초기화 과정의 중요성 재발견
---
"첫 단추를 잘 꿰어야 한다"는 진리의 공학적 구현

-  Coarse pose initialization → Memory pool → Pose graph optimization 순서의 논리성
-  RANSAC을 통한 아웃라이어 제거의 고전적 지혜
-  초기 추정 실패 시 전체 시스템 붕괴라는 나비효과의 현실
-  메모리와 최적화의 딜레마
---
모든 프레임을 기억할 수 없는 현실적 제약

-  키프레임 선별의 기준과 메모리 풀 관리 전략
-  Long-term memory vs Working memory의 인간 인지과정 모방
-  "무엇을 기억하고 무엇을 잊을 것인가"의 철학적 문제
-  응용의 무한한 가능성
---
AR에서 "알 수 없는 표면"에도 가상 객체 정확히 배치

-  로봇이 처음 보는 물체도 집을 수 있는 미래
-  Learning from demonstration의 일반화 능력 향상
-  Sim-to-real transfer에서 도메인 갭 문제 해결 실마리
-  구현 현실의 복잡성
---
이론의 우아함과 실제 시스템 구축의 간극

-  다중 모듈 간 파라미터 튜닝과 안정성 확보의 어려움
-  실시간 제약 하에서 품질과 속도의 trade-off
-  "논문에서는 간단해 보이지만..." 현실의 벽

---
소감

-  Object SLAM에서 Unknown Object SLAM으로의 진화가 주는 충격
-  "모르는 것도 알 수 있다"는 AI의 일반화 능력 실현
-  고전적 컴퓨터 비전과 딥러닝의 완벽한 융합 사례
- 진정한 autonomy 달성을 위한 중요한 마일스톤 목격

 

 URL: https://fastcampus.info/4n8ztzq