Abstract
기존 CNN에서 사용하는 conv, pooling이 기하학적으로 일정한 패턴을 가정하고 있기 때문에 복잡한 transformation에 유연하게 대처하기 어려움
기존에는 weight을 구하는 방법에 초첨을 맞췄다면, 이 논문은 어떤 데이터를 뽑을 것인지에 초점을 둠
Convolution -> Convolution + learnable offset
RoI pooling -> RoI pooling + learnable offset
Introduction
Proposed Method
Deformable Convolution
Deformable RoI Pooling
Understanding Deformable ConvNets
Experiments
Conclusions & Reviews
데이터의 특징을 필터를 통해 찾는 것이 아니라 입력 데이터에서 offset을 통해 직접 찾으려 해서 참신함
Deformable convolution과 deformable RoI pooling을 사용했을 때 의미 분석을 그림으로 보여주어 직관적으로 왜 좋아졌는지 느낄 수 있었음
모든 물체가 정사각형으로 이루어져 있지 않기 때문에 정사각형의 필터를 가지고 convolution을 하는 것은 문제가 될 수 있으며, 이 문제를 해결하는 하나의 방향성을 제시해 준 것 같음