Core Concepts
본 연구는 소수의 레이블된 지원 샘플을 활용하여 쿼리 이미지 내 객체의 정확한 위치 정보를 제공하는 소수 샘플 기반 객체 위치 추정 모델을 제안한다.
Abstract
본 연구는 소수 샘플 기반 객체 위치 추정(FSOL) 작업을 처음으로 제안한다. FSOL 작업은 기존 소수 샘플 기반 객체 계수 작업과 달리, 객체의 개수뿐만 아니라 정확한 위치 정보까지 제공하는 것을 목표로 한다.
이를 위해 본 연구는 다음과 같은 핵심 기술을 제안한다:
이중 경로 특징 증강(DFA) 모듈: 이 모듈은 쿼리 이미지와 지원 샘플 간 형태 연관성과 기울기 차이를 강화하여 객체 위치 추정 성능을 향상시킨다.
자기 쿼리(SQ) 모듈: 이 모듈은 쿼리 이미지의 분포 정보를 활용하여 유사도 맵을 최적화함으로써 객체 누락을 줄이고 전반적인 성능을 향상시킨다.
3D 합성곱: 이는 채널 정보, 형태 정보, 기울기 정보를 통합적으로 고려하여 특징 표현력을 높인다.
실험 결과, 제안 모델은 기존 최신 소수 샘플 기반 객체 계수 모델 대비 계산 자원 및 처리 시간을 크게 절감하면서도 객체 위치 추정 성능을 크게 향상시켰다. 또한 다양한 밀집 객체 데이터셋에서도 강력한 성능을 보여주었다.
Stats
소수 샘플 기반 객체 계수 모델 대비 약 5-20M의 파라미터 감소
연산량(GFLOPs)은 약 1/5 - 1/7 수준으로 감소
단일 이미지 처리 시간은 약 1/2 - 1/4 수준으로 감소
Quotes
"본 연구는 소수 샘플 기반 객체 위치 추정(FSOL) 작업을 처음으로 제안한다."
"제안 모델은 기존 최신 소수 샘플 기반 객체 계수 모델 대비 계산 자원 및 처리 시간을 크게 절감하면서도 객체 위치 추정 성능을 크게 향상시켰다."