우리는 테스트 이미지의 민감한 시각 정보를 보호할 수 있게 하는 새로운 객체 검출 방법을 제안한다. 시각 정보 보호를 다룬 선행 연구는 주로 이미지 분류 작업에 초점을 맞추어 왔다. 본 논문은 최초로 지각적 암호화(perceptual encryption)를 이용한 객체 검출 방법을 제안한다. 제안 방법은 Vision Transformer(ViT)의 임베딩 구조와 키를 활용한 도메인 적응(domain adaptation) 기법을 이용하여, 어떠한 보호도 적용하지 않은 모델과 거의 동일한 정확도를 달성할 수 있다. 실험에서는 ViT 기반 객체 검출 모델인 ViTdet을 사용하여, 정확도와 시각적 보호 측면에서 제안 방법의 유효성을 검증하였다.
본 논문에서는 서브픽셀(subpixel) 정확도로 두 이미지 간의 유사 변환(similarity transformation), 즉 평행 이동(translation), 스케일(scale), 회전(rotation)을 추정하는 알고리즘을 제안한다. 이미지 정합(image registration)은 서로 다른 시점 및 촬영 조건에서 획득한 이미지를 정렬하기 위한 기본 기술이며, 이산 상호 상관(discrete cross-correlation)을 최대화하는 대표적인 접근법으로 푸리에-멜린(Fourier--Mellin) 정합이 있다. 그러나 푸리에-멜린 방식은 서브픽셀 수준의 추정이 요구될 때 충분한 정렬 정확도를 달성하지 못하는 경우가 많다. 제안하는 방법은 (i) 로그-폴라(log-polar) 표현의 푸리에 크기 스펙트럼으로부터 스케일 및 회전을 추정하는 과정과 (ii) 보조 함수 방법(auxiliary function method)을 기반으로 위상 전용 상관(phase-only correlation)을 최대화하는 과정을 통합한다. 이러한 통합을 통해 2단계 추정 절차가 가능해진다. 즉, 평행 이동의 영향을 받지 않고 스케일과 회전을 먼저 추정한 후, 보정된 이미지 쌍을 사용하여 공간 도메인에서 서브픽셀 정밀도로 평행 이동을 추정한다. 무작위 유사 변환을 적용한 이미지 쌍에 대한 시뮬레이션 실험을 통해, 제안하는 방법이 이산 상호 상관을 사용하는 푸리에-멜린 기반 정합 방법에 비해 스케일, 회전, 평행 이동 추정 오차를 줄임을 입증한다.