Computer Vision

1인칭(ego)과 3인칭(exo) — 같은 사건의 두 시점을 '일관되게' 잇는 연구가 8년간 어떻게 깊어졌는지의 흐름과 insight를 10편으로 정리한다. 데이터셋이 아니라 방법론에 집중: 표현 정렬(Actor-Observer·Ego-Exo·AE2·BYOV·Rosetta Stone) → 객체 대응(ObjectRelator·O-MaMa·CCMP) → 시점 생성(Exo2Ego) → 추론 통합(View-GRPO). '일관성의 정의가 feature→시간→픽셀→생성→추론으로 점점 깊어진 역사'를 축으로, 각 전환의 필연을 논문 figure·개념 다이어그램과 함께 해부하는 연구자·면접 대비 advanced 10챕터.

2024–2026년 최신 논문 기반 Ego-Exo 연구 완전 정복. Ego-Exo4D·EgoExoBench·EgoExoMem 벤치마크, CCMP(CVPR 2026) 사이클 일관성 대응 학습, Naive Fusion 실패(-8.1%) 분석, Foundation Model 한계(55.3%) 극복 방향, Novel View Synthesis·3D 재구성, 멀티모달 통합까지 — 논문 작성을 목표로 한 연구자용 10챕터 커리큘럼.

DeepLabV3의 ASPP와 SqueezeSegV2의 LiDAR range image — 2D/3D semantic segmentation 완전 정리. ECCV 2018·ICRA 2019.

PointPainting — 2D semantic segmentation을 LiDAR point cloud에 투영하는 센서 융합. CVPR 2020.

PointRCNN — Two-stage 3D detection with bin-based encoding. KITTI 벤치마크에서 최고 성능. CVPR 2019.

PointNet++의 Set Abstraction Layer — 계층적 지역 학습으로 비균일 밀도와 로컬 구조 포착. NIPS 2017.

PointNet — Symmetric Function으로 Point Cloud의 Permutation Invariance 해결. CVPR 2017.

AlexNet, VGG, GoogLeNet, ResNet — ILSVRC 2012~2015 우승 아키텍처들의 설계 철학과 핵심 기여