인스턴스 겹침 학습으로 향상된 파노프틱 세그멘테이션
본 논문은 기존 파노프틱 세그멘테이션에서 인스턴스 간 겹침 순서를 탐지 신뢰도에만 의존하는 한계를 극복하기 위해, 마스크 R‑CNN에 ‘오클루전 헤드’를 추가한 OCFusion 방식을 제안한다. 오클루전 헤드는 두 마스크의 겹침 관계를 이진 분류로 예측하고, 이를 기반으로 인스턴스 융합 단계에서 올바른 앞·뒤 순서를 결정한다. COCO와 Cityscapes에서 기존 최첨단 방법들을 능가하거나 동등한 성능을 달성하면서 연산량은 크게 증가하지 않는…
저자: Justin Lazarow, Kwonjoon Lee, Kunyu Shi
파노프틱 세그멘테이션은 “thing”(객체 인스턴스)과 “stuff”(배경 영역)을 하나의 픽셀‑레벨 출력으로 통합하는 과제로, 최근에는 강력한 인스턴스 세그멘테이션(Mask R‑CNN)과 의미론적 세그멘테이션(PSPNet, DeepLab 등)을 결합한 멀티‑태스크 구조가 주류를 이루고 있다. 그러나 두 브랜치가 독립적으로 예측한 결과를 하나의 파노프틱 마스크로 합치는 과정에서, 인스턴스 간 겹침 관계를 어떻게 정할지가 핵심 문제이다. 기존 방법(
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기