2.2 KiB
2.2 KiB
id, category, confidence_score, tags, last_reinforced
| id | category | confidence_score | tags | last_reinforced | |||||
|---|---|---|---|---|---|---|---|---|---|
| CV-LUCAS-001 | 10_Wiki/💡 Topics/AI | 1.0 |
|
2026-04-26 |
Lucas-Kanade Method (루카스-카나데 방법)
📌 한 줄 통찰 (The Karpathy Summary)
"주변 픽셀들은 함께 움직인다는 가정하에, 찰나의 변화 속에서 물체의 흐름(Flow)을 포착하라" — 인접한 픽셀들이 유사한 움직임을 가진다는 국소적 일관성(Local Coherence)을 가정한 후, 최소제곱법을 통해 두 프레임 사이의 픽셀 이동량을 추정하는 옵티컬 플로우(Optical Flow) 알고리즘.
📖 구조화된 지식 (Synthesized Content)
- 추출된 패턴: "Spatial Consistency and Gradient Descent" — 영상의 밝기가 일정하게 유지된다고 가정(Brightness Constancy)하고, 이미지의 기울기(Gradient) 정보를 활용하여 오차를 최소화하는 방향으로 물체의 이동 궤적을 추적하는 패턴.
- 핵심 가정:
- Brightness Constancy: 물체의 밝기는 움직여도 변하지 않음.
- Temporal Persistence: 프레임 간 이동량이 매우 작음.
- Spatial Coherence: 특정 픽셀의 이웃들은 같은 방향으로 이동함.
- 의의: 영상 내 특징점 추적, 비디오 안정화, 자율주행차의 장애물 감지 등 실시간 컴퓨터 비전 시스템의 움직임 분석을 위한 가장 기초적이고 효율적인 도구.
⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- 과거 데이터와의 충돌: 이동량이 큰 경우에는 오차가 심하다는 한계가 있으나, 피라미드 구조(Image Pyramid)를 통해 이미지를 축소하며 단계적으로 추적하는 방식으로 현대적 한계를 극복함.
- 정책 변화: Skybound 프로젝트의 적 기체 추적 및 VFX 효과 구현 시, 프레임 간의 자연스러운 움직임 보간을 위해 루카스-카나데 기반의 옵티컬 플로우 원리를 활용함.
🔗 지식 연결 (Graph)
- Least-Squares-Methods, Pattern-Recognition-Foundations, Kalman-Filter-and-State-Tracking, Robotics-Foundations
- Raw Source: 10_Wiki/Topics/AI/Lucas-Kanade-Method.md