SUN 데이터베이스: 수도원부터 동물원까지 대규모 장면 인식

장면 분류는 컴퓨터 비전에서 기본적인 문제입니다. 그러나 장면 이해 연구는 현재 사용되는 데이터베이스의 제한된 범위로 인해 제약을 받아왔으며, 이는 장면 카테고리의 전체 다양성을 포착하지 못합니다. 객체 분류를 위한 표준 데이터베이스가 수백 가지의 서로 다른 객체 클래스를 포함하는 반면, 가장 큰 장면 카테고리 데이터셋은 단지 15개 클래스만 포함합니다. 본 논문에서는 899개의 카테고리와 130,519개의 이미지를 포함하는 광범위한 Scene UNderstanding (SUN) 데이터베이스를 제안합니다. 397개의 잘 샘플링된 카테고리를 사용하여 다양한 최신 알고리즘의 장면 인식 성능을 평가하고 새로운 성능 한계를 설정합니다. 또한 SUN 데이터베이스에서 인간의 장면 분류 성능을 측정하고 이를 계산 방법과 비교합니다. 추가로, 더 큰 장면 내에 내재된 장면을 감지하기 위한 더 세밀한 장면 표현도 연구합니다.