형태소 탐지모형, RBC모형(Biederman), 계산모형(Marr)

형태 재인에 관한 형태소 탐지모형, RBC모형(Biederman), 계산모형(Marr)을 비교 기술하라.

형태재인 이론은 사물과 망막에 맺힌 상간의 대응방식을 간접적이고 추상적인 방식으로 설명하는 것으로 여러 가지 형태재인 이론은 장기기억 표상에 대해 각기 다른 가정을 한다.

형태재인의 고전적 모형에는 형판이론, 형태소 탐지이론, 구조이론 등이 있다. 형판모형은 입력된 모양이 기억상의 모든 형판들과 겹쳐지는 정도에 따라 비교되고, 일정수준 이상에서 가장 많이 겹쳐지는 것이 현재 보이는 모양으로 인식된다는 것이다. Pinker형판 모형이 지니는 문제점을 두 지 측면에서 지적했다. 하나는 2차원상의 문자나 숫자를 3차원 상으로 변형했을 때 3차원에서는 방향이나 회전하는 관점에 따라 여러 모습으로 나타날 수 있는데, 형판 맞추기는 이러한 것을 설명할 수 없다. 다른 하나는 형판 모형들은 깨끗한 종이 한 가운데 적힌 한 글자처럼 주위에 아무것도 없이 홀로 제시된 물체에 대해서만 작동하는 제한점이 있다.

형태소 탐지이론은 사물의 세부특징이나 형태소에 근거하여 사물을 인식하고 해석하는 것이다. 이 모형에서는 전체모양에 대한 형판이 있다기보다는 수직선이나 수평선 혹은 곡선이나 각 등과 같은 이하학적 세부특징들에 대한 탐지기나 소형 형판들이 존재한다고 생각한다. 세부특징이론의 장점은 형판 맞추기 모형의 비경제성을 해결, 아무리 복잡한 형태라도 몇 개의 제한된 형태의 세부특징으로 탐지가 가능하다는 것이다. 반면, 문제점은 세부 특징들 사이의 공간상의 관계가 무시된다는 것이다. 예를 들면, T와 +는 둘 다 수평선 1, 수직선 1개를 가지고 있지만 각각 다른 것으로 인식하지 못한다는 것이다. 그래서 세부특징모형은 문자와 같은 비교적 제한된 항목들 내에서의 인식에서는 잘 적용되지만, 실제 세계에 존재하는 많은 복잡한 대상들을 인식하는 것을 설명하는 데는 어려움이 있다.

따라서 세부특징 수준 이상의 탐지가 필요하게 되었는데 세부특징들을 어떻게 조합하고 구조적으로 기술할 것인지에 대한 고민으로 구조이론이 등장했다. 구조이론의 가장 대표적인 것으로 Biederman의 RBC이론을 들 수 있겠다.

RBC이론은 입체적 사물의 인식을 위한 세부특징모형으로 사물을 단순한 3차원 모양인 지온(geon)과 지온들 간의 공간상의 배열관계로 설명한다. 이 이론에 따르면, 어떤 사물의 인식되기 전에는 그것을 구성하고 있는 지온들과 그들의 관계가 먼저 확인되어야 한다. 관계가 확인되면 장기기억에 있는 표상들과 비교되어야 하는데 이런 비교 혹은 매칭 과정이 매우 빠르고 자동적, 병렬적으로 일어난다고 한다. 하지만 구조이론의 문제점으로 지적될 수 있다면 공통부분을 가진 대상의 재인이 어렵다는 것이다. 또 사물을 인식할 때 전체적으로 모양을 인식하고 부분들을 처리하는 것처럼 보이므로 이는 지온으로 인식한다는 것에 반하는 것이다.

마지막 Marr의 계산모형은 시각을 하나의 정보처리 과정으로 생각하고, 그 처리의 목적과 계산 과정을 기술함으로써 시각의 본질을 밝히려고 한 계산적 접근 모형이다. 따라서 Marr는 최초 망막에 투영된 입력 영상으로부터 최종적인 대상 인식에 이르는 전체 시ㆍ지각 과정을 몇 개의 정보처리 단계로 구분하고 각 단계별로 처리되는 입력값과 출력값, 그리고 그 안에서 작동하는 알고리즘을 명시함으로써 두 가지 과제를 해결하였다. Marr 이론의 장점은 시각에서 작동하는 영상 내의 경계선 탐지 과정과 이 후 그것들의 단계적 통합을 통해 대상의 재인에 이르는 과정을 비교적 성공적으로 설명해준다. 하지만 정보처리가 상향처리 접근으로만 이루어졌다는 것을 문제점으로 지적할 수 있겠다. 다시 말하면, 인간의 지각 과정은 상-하향 처리간의 매우 복잡한 상호작용에 의해서 나타나는 과정이라 할 수 있는데 순수한 자료주도적 접근만으로는 인간의 시각 정보처리 기제를 모두 이해할 수 없을 것이다라는 것이다.