Core Concepts
提案されたアクティブラベル修正フレームワークは、基盤モデルを活用してセマンティックセグメンテーションにおける効果的なラベル修正を実現する。
Abstract
セマンティックセグメンテーションのためのアクティブラベル修正フレームワークが提案されている。
ピクセルごとの注釈付きデータセットが必要であり、基盤モデルを活用して効果的な修正を行う。
ラベル修正により、PASCAL+という改善版データセットが構築され、性能向上が確認されている。
Introduction
セマンティックセグメンテーションにおける深層ニューラルネットワークの進歩により、ピクセルごとの注釈付きデータが必要とされている。
本研究では、アクティブラベル修正フレームワークを提案し、基盤モデルを活用して効果的な修正を行う方法を示す。
Active Label Correction Framework
ピクセルごとの注釈付きデータセットの作成において、アクティブラベル修正フレームワークが有効であることが示されている。
基盤モデルから得られた初期擬似ラベルや優れたスーパーピクセルを活用することで予算削減が実現されている。
Data Extraction
提案手法はPASCALやCityscapesなど複数のデータセットで有効性を示しており、2.6百万ピクセルのエラー訂正に成功したことが報告されている。
Stats
提案手法はPASCAL内の2.6百万ピクセルのエラー訂正に成功した。
Quotes
"We hence propose an effective framework of active label correction (ALC) based on a design of correction query to rectify pseudo labels of pixels."