AKAZE

**AKAZE (Accelerated-KAZE)**는 비선형 스케일 공간(nonlinear scale space) 위에 구축된 특징 검출기이자 이진 디스크립터다. SIFT와 ORB가 가우시안 블러로 다중 스케일 표현을 구축하는 반면 — 이는 잡음과 물체 경계를 동일하게 매끄럽게 만든다 — KAZE와 AKAZE는 적응적으로 매끄럽게 처리한다: 평탄한 영역에서는 강하게, 에지를 넘나들 때는 약하게. 그 결과 구조의 경계에서 더 잘 위치가 유지되는 키포인트를 얻는다.

비선형 확산 스케일 공간

가우시안 스케일 공간은 선형 열 방정식의 해다. KAZE는 이를 **비선형 확산(nonlinear diffusion)**으로 대체한다:

$\frac{\partial L}{\partial t} = \mathrm{div}\big(c(x, y, t)\, \nabla L\big)$

여기서 $L$ 은 진화하는 이미지, $t$ 는 스케일 파라미터, $c$ 는 지역적인 이미지 내용에 따라 매끄럽게 처리하는 정도를 게이팅하는 **전도도 함수(conductivity function)**다. Perona-Malik을 따라, 전도도는 약간 미리 평활화된 이미지 $L_\sigma$ 의 기울기에 의해 결정된다. 예를 들면:

$g_2 = \frac{1}{1 + \dfrac{\lvert \nabla L_\sigma \rvert^2}{\lambda^2}}$

대비 파라미터 $\lambda$ 는 어떤 기울기가 “에지”로 간주되는지를 정한다: $\lvert \nabla L_\sigma \rvert \gg \lambda$ 인 곳에서는 전도도가 0에 가까워지고 확산이 멈춰 에지가 보존된다. 기울기가 낮은 영역에서는 확산이 계속되어 잡음이 매끄럽게 사라진다.

FED: 빠르게 만들기

비선형 확산은 닫힌 형태의 해가 없어 수치적으로 적분해야 한다. KAZE (Alcantarilla et al., 2012)는 안정적이지만 비용이 큰 AOS(additive operator splitting) 방식을 사용했다. AKAZE (2013)는 이를 **Fast Explicit Diffusion (FED)**으로 대체했다: 특별히 선택된 다양한 스텝 크기를 가진 단순 명시적 확산 스텝들의 사이클로, 결합된 효과는 안정적이고 정확하면서도 훨씬 저렴하고 병렬화가 쉽다. 이것이 이름에 들어간 “Accelerated”의 의미다 — KAZE와 비슷한 품질을 훨씬 적은 비용으로 달성한다. AKAZE는 또한 추가적인 연산을 절약하기 위해 피라미드(옥타브 사이의 다운샘플링) 위에 스케일 공간을 구축한다.

검출과 기술

검출기: 각 확산 레벨에서 AKAZE는 스케일 정규화된 헤시안 행렬식(determinant of the Hessian) 응답 $\sigma^2 \big(L_{xx} L_{yy} - L_{xy}^2\big)$ 을 계산하고 공간과 스케일에 걸친 극값을 유지한 뒤 서브픽셀 정제를 수행한다 — SIFT의 DoG와 같은 블롭 스타일 검출기지만, 비선형 스케일 공간에서 계산된다는 점이 다르다.
디스크립터: **M-LDB (Modified Local Difference Binary)**는 키포인트 주변 격자의 셀들 사이에서 평균 강도와 1차 미분 값을 비교하는 이진 디스크립터다. 이 격자는 키포인트의 지배적 방향으로 회전되고 검출 스케일에 맞춰 크기가 조정되어, 디스크립터를 이진 형태로 유지하면서도 회전 및 스케일 불변성을 부여한다 — ORB처럼 XOR + popcount를 이용한 해밍 거리로 매칭된다.

실전 노트

대비 파라미터 $\lambda$ 는 이미지의 기울기 크기 히스토그램(고정된 백분위수)에서 자동으로 설정되므로, “에지 대 평탄” 판단이 수동 튜닝 없이 각 이미지의 대비에 맞춰 적응한다.
OpenCV는 AKAZE를 디스크립터 옵션과 함께 제공한다: 전체 M-LDB, 카메라가 롤(roll)하지 않을 때(지상 로봇에서 흔한 경우) 속도를 위해 회전 불변성을 생략하는 upright 변형, 그리고 판별력을 메모리와 교환하는 축소 크기 디스크립터.
디스크립터가 이진이기 때문에, AKAZE는 ORB와 동일한 해밍 거리 브루트 포스 또는 LSH 매칭 체계에 그대로 연결된다 — 특징을 교체할 때 파이프라인 변경이 필요 없다.

검출기들 사이에서의 위치

실무에서 AKAZE는 중간 지점을 차지한다: ORB보다 눈에 띄게 재현율과 정확도가 높으며, 특히 흐릿하거나 대비가 낮거나 변형 가능한 장면에서 그렇다 — 동시에 SIFT보다는 훨씬 저렴하다. OpenCV에 포함되어 있고 특허 라이선스가 필요 없으며, 이진 디스크립터는 해밍 기반 매칭 파이프라인 어디에나 들어맞는다. 주된 비용은 스케일 공간 구축이 여전히 ORB의 단순한 이미지 피라미드보다 느리다는 점이며, 이것이 고프레임률 SLAM 프론트엔드가 ORB/FAST를 고수하고 매칭 품질이 원시 속도보다 더 중요할 때 AKAZE를 쓰는 이유다.

SLAM에서의 의미

특징의 품질은 이후의 모든 것 — 추적 안정성, 맵 정확도, 루프 클로저 재현율 — 의 한계를 결정한다. AKAZE는 스케일 공간 자체가 하나의 설계 선택임을 보여준다: 매끄럽게 처리하는 동안 에지를 보존하면 SLAM 특징이 흔히 위치하는 바로 그 물체 경계 근처에서 더 잘 위치가 정해진 키포인트를 얻는다. 모션 블러나 약한 텍스처로 ORB가 성능이 떨어지는 파이프라인에서, AKAZE는 학습된 특징을 시도하기 전에 써볼 수 있는 표준적인 “더 강력한 고전적 특징” 업그레이드 중 하나다.

실습

고전적 지역 특징 검출