💻 computer science

DroneDAR: Long-Range Drone Distance Estimation Using Monocular Vision and Bounding-Box Features

이 논문은 외관 특징을 명시적인 바운딩 박스 기하학 구조와 경량 게이팅 메커니즘을 통해 통합함으로써 장거리 드론 거리 추정 성능을 향상시키는 단안 비전 모델인 DroneDAR을 소개하며, 이는 실제 추적 시나리오에서의 강건성을 개선하기 위해 스케일 변화 및 노이즈가 섞인 단서와 같은 과제들을 해결한다.

원저자: Knut Peterson, Zaid Mayers, David Han

게시일 2026-06-09

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Knut Peterson, Zaid Mayers, David Han

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신이 언덕 위에 서서 하늘에 떠 있는 아주 작은 점 하나를 바라보고 있다고 상상해 보세요. 그것이 드론이라는 것은 알지만, 얼마나 멀리 떨어져 있는지는 전혀 모릅니다. 담장 바로 너머에 있는 걸까요, 아니면 몇 마일이나 떨어져 있는 걸까요? 이것이 바로 DroneDAR라는 논문이 해결하고자 하는 과제입니다. 컴퓨터가 단 한 장의 카메라 사진만으로 드론의 거리를 추측하는 법을 가르치는 것이죠.

다음은 이들이 이 문제를 어떻게 해결했는지, 쉬운 비유를 들어 설명한 이야기입니다.

문제점: "픽셀 퍼즐"

보통 우리가 물체를 볼 때, 그 물체가 크거나 작게 보이기 때문에 거리가 어느 정도인지 알 수 있습니다. 하지만 드론은 까다롭습니다.

가까이 있을 때: 드론은 마치 정교한 장난감 자동차처럼 보입니다. 프로펠러와 색상까지 다 보이죠.
멀리 있을 때: 드론은 해변의 모래알처럼 단 몇 개의 흐릿한 픽셀로 줄어들어 버립니다.

논문에 따르면 기존의 컴퓨터 비전 도구들은 여기서 혼란을 겪습니다. 만약 아주 멀리 있는 작은 드론을 크게 보이게 하려고 너무 확대하면, 저화질 JPEG 이미지를 억지로 늘린 것처럼 흐릿하고 픽셀이 깨진 결과물만 얻게 됩니다. 반대로 가까이 있는 드론을 축소해서 보면, 크기를 추측하는 데 필요한 세부 정보를 잃게 됩니다. 게다가 컴퓨터가 드론 주위에 그리는 '상자(bounding box)'가 약간 비뚤어지거나 잘못되면, 거리 추측 전체가 틀어지게 됩니다.

해결책: "스마트한 탐정" (DroneDAR)

연구진은 DroneDAR라는 새로운 AI 모델을 만들었습니다. 이것을 사건을 해결하기 위해 두 가지 서로 다른 단서를 사용하는 탐정이라고 생각해보세요.

시각적 단서 (Visual Clue): 사진 속 드론의 실제 모습 (모양, 색상, 질감).
기하학적 단서 (Geometry Clue): 컴퓨터가 드론 주위에 그린 상자의 크기와 모양.

비밀 무기: "볼륨 조절 노브"

이 논문의 가장 큰 혁신은 **바운딩 박스 특징 게이트(bounding-box feature gate)**라고 불리는 특별한 메커니즘입니다.

당신이 라디오 방송을 듣고 있는데 신호가 흐릿한 상황을 상상해 보세요.

드론이 가까이 있으면, "시각적 단서"(사진)는 크고 선명하게 들립니다. 이때 "기하학적 단서"(상자)는 조금 작게 들리죠.
드론이 멀리 있으면, 사진은 잡음과 함께 흐릿해집니다. 하지만 상자는 여전히 드론의 형태에 대한 힌트를 제공합니다.

기존 모델들은 이 두 단서를 모두 같은 볼륨으로 들으려 했기 때문에 혼란을 초래했습니다. DroneDAR 모델에는 스마트한 **볼륨 조절 노브(게이트)**가 있습니다. 이 모델은 드론이 멀리 있을 때 흐릿한 사진의 볼륨을 자동으로 낮추고, 기하학적 상자의 볼륨을 높입니다. 즉, 사진이 선명할 때는 사진을 믿고, 사진이 너무 작아서 잘 보이지 않을 때는 상자를 믿도록 학습하는 것입니다.

실험: 엔진 튜닝하기

팀은 자신들의 탐정이 최고가 되기 위해 무엇이 필요한지 확인하고자 많은 테스트를 수행했습니다.

두뇌 크기 (Backbone): 그들은 점점 더 큰 컴퓨터 두뇌(ResNet 모델)를 사용해 보았습니다. 그 결과, 두뇌가 일정 수준 이상 커지면 더 크게 만드는 것이 별로 도움이 되지 않는다는 것을 발견했습니다. 이는 책 한 권만 읽으면 되는데 거대한 도서관을 가진 것과 같습니다. 남는 선반들은 공간만 차지할 뿐이죠.
사진 크기 (Resolution): 그들은 확대와 축소를 테스트했습니다. 아주 멀리 있는 작은 드론의 경우, 이미지를 너무 크게 만드는 것(확대하는 것)이 오히려 AI의 성능을 악화시킨다는 것을 발견했습니다. 왜냐하면 흐릿한 픽셀을 그냥 늘려버리기 때문입니다. 더 작고 타이트하게 자른(crop) 이미지가 더 효과적이었습니다.
채점 방식 (Loss Function): 그들은 AI의 추측을 채점하는 다양한 방법을 시도했습니다. 그들은 특정 채점 방식(Huber loss)이 "가까운" 드론을 처리하는 데 더 좋았고, 다른 방식(MSE)은 "먼" 드론에 적당하다는 것을 발견했습니다. 결국, 가까운 거리에서 우수했던 방식이 전반적으로 승리했습니다.

결과: 더 나은 추측

그들이 새로운 DroneDAR 모델을 이전의 최고 모델(DroneRanger라고 불림)과 비교했을 때, DroneDAR가 승리했습니다.

평균적으로 실수가 더 적었습니다.
특히 사진이 아주 작고 흐릿한, 멀리 있는 드론의 거리를 맞히는 데 탁월했습니다.

여전히 어려움을 겪는 부분

논문은 한계점에 대해서도 솔직하게 밝히고 있습니다. 만약 컴퓨터가 드론 주위에 정말 형편없는 상자를 그리거나(예를 들어 새를 드론으로 착각하거나 상자가 비뚤어진 경우), "볼륨 조절 노브"가 혼란을 느껴 거리 추측이 실패하게 됩니다. 또한, 드론이 너무 멀리 있어서 단 2~3개의 픽셀로만 보인다면, 아무리 똑똑한 탐정이라도 정보 자체가 부족하기 때문에 거리를 완벽하게 맞히는 것은 불가능합니다.

요약

요약하자면, DroneDAR는 컴퓨터가 드론의 거리를 추측하는 더 스마트한 방법입니다. 단순히 사진을 쳐다보는 것이 아니라, 드론이 얼마나 멀리 있느냐에 따라 "무엇처럼 보이는지"와 "주변 상자가 얼마나 큰지" 사이의 주의력을 전환하는 법을 배웁니다. 이는 마치 자신의 눈을 믿어야 할 때와 측정 도구를 믿어야 할 때를 아는 탐정과 같습니다.

기술 요약: DroneDAR – 단안 시각 및 바운딩 박스 특징을 이용한 장거리 드론 거리 추정

문제 정의
장거리 영상 내 소형 무인 항공기(UAV)를 위한 정확한 거리 추정은 추적, 안전 모니터링 및 상황 인식을 위해 매우 중요하다. 그러나 이 작업은 극심한 타겟 스케일 변화, 배경 혼란, 대기 상태 및 센서 노이즈로 인해 여전히 까다로운 과제로 남아 있다. 단안 시각 환경에서 거리 추정은 보정된 기하학적 정보나 다중 뷰 관측 없이는 본질적으로 모호하다. 드론이 멀어질수록 타겟이 차지하는 픽셀 수가 줄어들어 외관 및 스케일 단서가 급격히 저하된다. 또한, 실제 시스템은 종종 객체 탐지기에서 유도된 이미지 크롭(crop)과 바운딩 박스 측정값에 의존하는데, 두 입력 모두 어노테이션 오류, 탐지기 결함 또는 작은 크롭에서의 식별 가능한 세부 정보 손실로 인해 노이즈가 발생할 수 있다. 기존 모델인 DroneRanger는 실제 데이터에서 마주치는 다양한 거리 영역과 장면 가변성을 일반화하는 데 어려움을 겪는다.

방법론
저자들은 DroneRanger 베이스라인을 기반으로 한 새로운 아키텍처인 DroneDAR(Drone Detection And Ranging)을 제안한다. 방법론은 세 가지 주요 아키텍처 및 학습 수정 사항에 집중한다:

백본 교체: 범위 예측에 대한 백본 용량의 영향을 평가하기 위해, DroneRanger에서 사용된 커스텀 CNN 백본을 표준 ResNet 아키텍처(ResNet-18 및 ResNet-50)로 교체하였다.
바운딩 박스 특징 게이트(Bounding-Box Feature Gate): 핵심 혁신은 경량 게이팅 메커니즘의 도입이다. 이 모듈은 바운딩 박스 특징( $B_f$ , 예: 면적, 종횡비)과 이미지 크롭 특징( $C_f$ )을 입력으로 받는다. 밀집 MLP(dense MLP)는 바운딩 박스 특징을 이미지 특징의 차원과 일치하도록 투영하며, 이는 시그모이드 활성화 함수를 통과한다. 결과물인 게이트는 이미지 특징( $C_f$ )에 가중치를 부여하여 게이트 출력( $C_{gf}$ )을 생성한다. 이를 통해 모델은 입력 품질에 따라 기하학적 단서(바운딩 박스)와 외관 단서(이미지 크롭)에 대한 의존도를 동적으로 조절할 수 있으며, 이는 이미지 크롭의 픽셀 수가 적은 장거리 상황에서 특히 중요하다.
학습 구성: 모델은 10만 개 이상의 이미지와 포괄적인 거리 메타데이터를 포함하는 LRDDv3 데이터셋으로 학습된다. 저자들은 다양한 입력 크롭 해상도(220x220, 360x360, 512x512)와 손실 함수(MSE vs. Huber)를 실험한다.

주요 기여

DroneDAR 모델: 다양한 거리 영역 전반에서 견고함을 개선하기 위해 커스텀 바운딩 박스 특징 게이트를 통합한 모델을 제안하였다.
통제된 실험: 백본 용량, 크롭 해상도 및 회귀 손실 함수가 성능에 미치는 영향을 체계적으로 분석하였다. 연구 결과, 더 큰 백본이 미미한 이득을 제공하는 반면, 입력 해상도는 장거리 크롭에서의 보간 아티팩트(interpolation artifacts)나 근거리 크롭에서의 정보 손실을 피하기 위한 신중한 트레이드오프가 필요함을 강조한다.
실패 모드 분석: 바운딩 박스 노이즈에 대한 민감도와 극한 거리에서의 크롭 내 텍스처 세부 정보 저하와 같은 일반적인 실패 모드를 조사하였다.

실험 결과
실험은 LRDDv3 테스트 세트에서 DroneDAR를 DroneRanger 베이스라인 및 다양한 절제 실험(ablation) 모델과 비교하여 수행되었다:

백본 성능: 커스텀 백본을 ResNet-18 및 ResNet-50으로 교체했을 때 전체적으로 평균 절대 오차(MAE)는 약 2%, 평균 제곱근 오차(RMSE)는 0.5% 개선되었다. 그러나 ResNet-18과 ResNet-50 사이의 차이는 미미했으며, 이는 이 작업에 대한 모델 용량이 빠르게 포화됨을 시사한다.
손실 함수: MSE는 장거리에서 더 나은 RMSE를 보였으나, Huber 손실은 근거리에서 우수한 RMSE를, 모든 거리에서 우수한 MAE를 생성했다. 결과적으로 최종 모델에는 Huber 손실이 선택되었다.
입력 해상도: 낮은 입력 해상도(예: 220x220)는 희소한 픽셀을 중복되고 노이즈가 많은 데이터로 업스케일링하는 것을 방지함으로써 장거리 드론에 대해 일반적으로 더 좋은 성능을 보였다. 반대로, 높은 해상도(512x512)는 근거리에서 ResNet-50에 유리했으나 ResNet-18의 성능을 유의미하게 향상시키지는 못했다.
특징 게이트 영향: 바운딩 박스 특징 게이트의 추가는 특히 이미지 특징이 덜 신뢰할 수 있는 장거리에서 일관된 개선을 제공했다. 가장 성능이 좋은 구성(ResNet-18, 220x220, Huber loss, gated)에서 모델은 전체 범위에 대해 32.39 ft MAE 및 68.49 ft RMSE를 달성하여, DroneRanger 베이스라인(35.95 ft MAE, 70.67 ft RMSE)보다 MAE는 3.56 ft, RMSE는 2.18 ft 더 우수한 성능을 보였다.
거리 추세: 두 모델 모두 근거리(100 ft 미만)에서 가장 좋은 성능을 보였다. 오차 지표는 100 ft를 넘어설 때 크게 증가했는데, 이는 크롭 크기 감소, 이미지 특징 감소 및 데이터 불균형에 기인한다.

의의 및 한계
본 논문은 DroneDAR가 실제 장거리 조건 하에서 단안 드론 거리 추정을 위한 견고한 접근 방식을 제공한다고 주장한다. 그 의의는 타겟이 단 몇 픽셀만을 차지할 때 이미지 특징을 바운딩 박스 단서로 게이팅하는 것이 신뢰성을 어떻게 높일 수 있는지 입증한 데 있다.

그러나 저자들은 한계점에 대해 겸허한 입장을 유지한다. 성능은 타겟이 극도로 작고 바운딩 박스 노이즈가 지배적인 오차 원인이 되는 극한 거리에서는 여전히 제약을 받는다. 연구에 따르면 바운딩 박스가 부정확하거나 노이즈가 심할 경우, 크롭과 파생된 기하학적 특징이 모두 손상되어 큰 거리 오차를 초래한다. 논문은 향후 연구가 불완전한 탐지에 대한 견고성을 개선하고, 예측을 안정화하기 위해 잠재적으로 시간적 정보(temporal information)를 활용하는 데 집중해야 한다고 결론짓는다.