콘텐츠 기반 이미지 검색의 발전: 관련성 피드백 기법에 대한 포괄적 서베이
Advancements in Content-Based Image Retrieval: A Comprehensive Survey of Relevance Feedback Techniques
콘텐츠 기반 이미지 검색(CBIR) 시스템은 메타데이터에만 의존하지 않고 시각적 콘텐츠를 기반으로 이미지를 검색할 수 있게 해 주는 컴퓨터 비전 분야의 핵심 도구로 자리 잡았다. 본 서베이 논문은 CBIR에 대한 포괄적인 개요를 제시하며, 객체 검출(object detection)에서 CBIR이 수행하는 역할과 콘텐츠 특징을 기반으로 시각적으로 유사한 이미지를 식별하고 검색할 수 있는 잠재력을 강조한다. 의미적 격차(semantic gap)와 확장성(scalability)을 비롯해 CBIR 시스템이 직면한 과제를 잠재적 해결책과 함께 논의한다. 또한 저수준 특징과 고수준 의미 개념 사이의 차이에서 비롯되는 의미적 격차를 자세히 설명하고, 이 격차를 해소하기 위한 접근법을 탐구한다. 주목할 만한 해결책 중 하나는 관련성 피드백(relevance feedback, RF)의 통합으로, 사용자가 검색된 이미지에 대해 피드백을 제공하고 검색 결과를 반복적으로 개선할 수 있게 한다. 본 서베이는 CBIR의 정확도와 관련성을 높이기 위해 RF를 활용하는 장기 및 단기 학습 접근법을 포괄한다. 이러한 방법들은 가중치(weight) 최적화와, 분류기 학습(training)에 사용할 샘플을 선택하기 위한 능동 학습(active learning) 알고리즘의 활용에 초점을 둔다. 나아가 본 논문은 CBIR 성능을 향상시키기 위한 머신러닝 기법과 심층 학습(deep learning) 및 합성곱 신경망(convolutional neural network)의 활용을 살펴본다. 본 서베이 논문은 CBIR과 RF 기법에 대한 이해를 증진하는 데 중요한 역할을 한다. 연구자와 실무자가 기존 방법론, 과제, 잠재적 해결책을 이해하도록 안내하고, 지식 확산을 촉진하며 연구 공백을 파악하게 한다. 향후 연구 방향을 다룸으로써, 다양한 응용 분야에서 검색 정확도, 사용성, 효과성을 높일 CBIR의 발전을 위한 토대를 마련한다.