본 연구에서는 4차원 유사도 텐서에 행해지는 4차원 합성곱 신경망은 사실상 패턴 인식을 위한 함수가 아닌 지역적 유사도 투표를 위한 호프 매칭 알고리즘임을 보여준다. 호프 변환 관점에서 해석된 4차원 합성곱 매칭은 다양한 기하적 변형 공간을 고려함으로써 4차원 이상의 고차원 기하 공간으로 일반화 될 수 있음을 보여주며, 고차원 커널 수가 대폭 줄어 학습된 커널의 해석을 용이하게 하고, 호프 공간에서 효과적인 매개변수 공유을 통해서 메모리 복잡도를 덜어준다. 합성곱 호프 매칭 알고리즘을 기반으로 의미론적 이미지 정합을 위한 네트워크인 합성곱 호프 매칭 신경망(convolutional Hough matching networks)을 제안한다.  제안한 네트워크는 기존 합성곱 매칭 방법들에 비해 매우 적은 수의 매개변수 만으로도 실시간 이미지 매칭에 우수한 성능을 낼 수 있음을 보여준다.

해당 논문은 2021 IEEE Conference on Computer Vision and Pattern Recognition 에 게재 됨.

※ IEEE Conference on Computer Vision and Pattern Recognition (CVPR)은 구글 scholar기준 h5-index 299로, 공학 전 분야의 SCI 학술지 및 학술 대회를 통틀어 1위에 해당하는 컴퓨터 비전 분야 최고 수준의 국제 학술대회입니다.