[2022 spring] ECCV 2018 Distortion-Aware Convolutional Filters for Dense Prediction in Panoramic Images (20214404)

[4charwon]

Problem definition을 깔끔하게 잘 정리해주셨습니다. Dataset의 부재, convolution의 kernel 모양을 바꾸어 dataset 없이 해결하는 방법 등을 직관적으로 정리해주셨습니다.

Related works에서 적절한 figure를 잘 가져와서 설명해주셔서 deformable convolution을 떠올리며 저자들의 motivation에 대해 이해 하는데 도움이 되었습니다.

idea부분에서는 세 가지 예시인 360도 video, cubemap projection, equirectangular projection에 대해서 잘 설명해주셨습니다. 그런데 cube map projection을 이용하는 것이 가장 간단하다고 언급하셨으나, cube map의 단점인 불연속적인 이미지 경계와 불연속적 depth map estimation라는 것을 추가적으로 제시하셨습니다. 이 부분이 ‘문제’라는 것을 명확하게 언급해주시거나 그 문제가 풀기 힘든 것이라는 것에 대해서 강조 해주시면 equirectangular projection을 사용하는 근거를 받아들이는데에 더 수월할 것 같습니다.

Method 부분의 아래 문장이 친근함을 주기는 합니다만 조금 더 무거운 어조가 리뷰 퀄리티에 더 신뢰감을 줄 수 있지 않을까 생각 합니다.
’그래서 위의 그림에서 보시는 바와 같이 equirectangular 이미지에 대해서 rectified receptive field를 얻어낼수가 있구요’

아래 두 문장의 training, distortion 오타 확인 부탁드립니다.

‘이제 이런 간단한 모델 구조를 가지고 할 수 있는 것은 기존의 perspective RGB-D 이미지로 trainin을 하고, test에서’

‘여기서도 standard convolution은 distortio으로 인한 artifact를 만들어내고, cubemap의 경우 불연속적인 것들을 볼 수 있는데, distortion convolution으로 많이 개선된 것을 볼 수 있습니다.’