정확성과 적용성을 동시에 고려하는 6D 자세 추정은 항상 연구의 핵심이자 어려운 문제였습니다. 본 논문에서는 다중모달 데이터를 기반으로 한 주의 특성 융합 6D 자세 추정 네트워크를 제안합니다. 우선, 채널의 가중치를 조정하여 의존성을 강화하고 수용 영역을 확장하는 더 깊은 수준의 스퀴즈 앤 익사이트 모듈 구조를 도입하여 RGB 이미지 특징 처리 효과를 향상시켰습니다. 더 나아가, 다중모달 데이터를 위해 특징 융합 단계에서 반복 주의 특성 융합 모듈을 배치하여 여러 번의 반복 융합 연산을 통해 전역 특징 융합 시 발생하는 스케일 불일치 문제를 해결하고, 보다 정확하게 다중모달 데이터를 포착하고 통합하여 자세 회귀 성능을 크게 개선했습니다. 마지막으로, 복잡한 환경에서 모델의 강건성과 적용성을 정량적으로 평가하기 위해 부분 가림이나 복잡한 배경 처리 시 모델의 성능을 평가할 수 있는 보이지 않는 비율 지표를 도입했습니다. 공개 데이터셋에서의 자세 예측 실험을 통해 개선된 모델이 검증 데이터셋에서 정확한 자세 예측을 구현할 뿐만 아니라 Densefusion 모델에 비해 복잡한 환경에서 더 높은 적용성을 가짐을 검증했습니다.

6D 자세 추정; 다중모달 데이터; 주의 특성 융합; 보이지 않는 비율