https://wiki.conaondaapps.com/index.php?action=history&feed=atom&title=Cross-Modal_Matching_%EA%B8%B0%ED%95%98_%EA%B2%80%EC%A6%9DCross-Modal Matching 기하 검증 - 편집 역사2026-08-20T14:23:01Z이 문서의 편집 역사MediaWiki 1.46.0https://wiki.conaondaapps.com/index.php?title=Cross-Modal_Matching_%EA%B8%B0%ED%95%98_%EA%B2%80%EC%A6%9D&diff=13&oldid=prevAdmina7ec671ac513: migrate: import legacy Wiki content to Vultr2026-08-20T04:18:29Z<p>migrate: import legacy Wiki content to Vultr</p>
<p><b>새 문서</b></p><div>'''Cross-Modal Matching 기하 검증'''은 matcher가 만든 correspondence 중 하나의 기하 모델을 따르는 inlier를 선택하고 최종 변환 또는 센서 보정값을 추정하는 단계다.<br />
<br />
== 개요 ==<br />
<br />
Cross-modal matcher는 많은 후보를 만들지만 confidence가 높은 오매칭도 섞일 수 있다. RANSAC 계열은 최소 표본으로 geometric model을 반복 추정하고 residual이 작은 correspondence를 inlier로 선택한다. OpenCV에서는 RANSAC과 USAC 계열을 사용할 수 있고 MAGSAC++도 널리 사용된다.<br />
<br />
== 핵심 구조 ==<br />
<br />
지도와 정사영상처럼 거의 평면 관계라면 affine 또는 homography가 유용하지만 off-nadir 위성 영상과 지형 기복이 큰 장면에서는 단일 homography가 국부적으로만 맞을 수 있다. 위성 제품에서는 RPC sensor model과 DEM을 결합해 image-to-ground residual을 평가하는 것이 더 직접적이다.<br />
<br />
Inlier threshold는 입력 해상도와 GSD를 고려해야 한다. 1 pixel이 0.3 m인 영상과 10 m인 영상에서 같은 3 pixel threshold의 의미는 다르다. 최종 제품 지표는 ground truth point를 이용한 meter error로 환산하는 것이 좋다.<br />
<br />
== 활용 ==<br />
<br />
모든 matcher adapter 뒤에 동일 verifier interface를 두면 모델 교체가 쉬워진다. MatchResult에 inlier mask, model parameter, residual statistic을 추가하고 최소 inlier 수, coverage, median residual을 실패 조건으로 사용할 수 있다.<br />
<br />
== 한계 및 주의점 ==<br />
<br />
잘못된 기하 모델을 강제로 적용하면 좋은 correspondence도 버려진다. 반복 패턴이 많은 도시·농경지에서는 틀린 match들이 우연히 하나의 homography를 만족할 수 있어 spatial coverage와 sensor prior를 함께 사용한다.<br />
<br />
== 함께 보기 ==<br />
* [[Cross-Modal Image Matching 기술 지도]]<br />
* [[Cross-Modal Image Matching]]<br />
* [[Cross-Modal Matching 벤치마크]]<br />
* [[RoMa]]<br />
<br />
== 출처 ==<br />
* [https://docs.opencv.org/4.x/d9/d0c/group__calib3d.html OpenCV calib3d]<br />
* [https://arxiv.org/abs/1912.05909 MAGSAC++]<br />
* [https://openaccess.thecvf.com/content_ECCV_2018/html/Daniel_Barath_MAGSAC_marginalizing_sample_ECCV_2018_paper.html MAGSAC]<br />
<br />
[[분류:Cross-Modal Image Matching]]<br />
[[분류:Robust Estimation]]</div>Admina7ec671ac513