Core Concepts
단일 포인트 주석을 이용하여 추적 모델의 표현을 효과적으로 학습할 수 있는 소프트 대조 학습 프레임워크를 제안한다.
Abstract
이 논문은 기존의 추적 모델들이 대규모 동영상 프레임과 경계 상자 주석을 사용하여 학습되는 것에 비해, 단일 포인트 주석을 이용하여 추적 모델의 표현을 효과적으로 학습할 수 있는 소프트 대조 학습 프레임워크를 제안한다.
제안하는 프레임워크는 다음과 같은 핵심 구성요소를 포함한다:
목표 객체성 사전(TOP) 맵을 이용하여 전역 소프트 템플릿(GST)을 생성하고, 이를 활용한 대조 학습
메모리 효율적인 소프트 부정적 샘플(SNS) 생성 기법
전역-지역 대조 학습을 통한 부분 가림 및 외형 변화에 강건한 표현 학습
실험 결과, 제안 방법은 1) 동일한 주석 시간 비용에서 완전 감독 베이스라인보다 더 나은 성능을 달성하고, 2) 동일한 학습 프레임 수에서 주석 시간 비용을 78% 줄이고 총 비용을 85% 줄이면서도 베이스라인과 유사한 성능을 달성하며, 3) 주석 노이즈에 강건한 것을 보여준다.
Stats
단일 포인트 주석은 경계 상자 주석보다 4.5배 빠르다.
제안 방법은 동일한 주석 시간 비용에서 완전 감독 베이스라인보다 더 나은 성능을 달성한다.
제안 방법은 동일한 학습 프레임 수에서 주석 시간 비용을 78% 줄이고 총 비용을 85% 줄이면서도 베이스라인과 유사한 성능을 달성한다.
Quotes
"단일 포인트 주석은 경계 상자 주석보다 4.5배 빠르다."
"제안 방법은 동일한 주석 시간 비용에서 완전 감독 베이스라인보다 더 나은 성능을 달성한다."
"제안 방법은 동일한 학습 프레임 수에서 주석 시간 비용을 78% 줄이고 총 비용을 85% 줄이면서도 베이스라인과 유사한 성능을 달성한다."