이 논문은 약한 감독 의미 분할(WSS) 기법의 한계인 인접 클래스 간 경계 구분 문제를 해결하기 위해 새로운 전파 기법을 제안한다. 기존 WSS 기법은 클래스 간 비율을 고려하지 않아 인접 클래스의 작은 영역이 사라지는 문제가 있었다. 이를 해결하기 위해 저자들은 비지도 학습 특징(USS)과 약한 감독 학습 특징(WSS)을 계층적으로 활용하는 DHR 기법을 제안한다.
첫 단계에서는 최적 수송 기반 시드 초기화를 통해 사라진 작은 클래스 영역을 복원한다. 두 번째 단계에서는 USS 특징을 활용하여 클래스 간 구분을 수행하고, 세 번째 단계에서는 WSS 특징을 활용하여 클래스 내부 구분을 수행한다. 이를 통해 인접 클래스 간 경계를 효과적으로 구분할 수 있다.
제안 기법은 5개의 벤치마크 데이터셋에서 기존 최신 기법 대비 큰 성능 향상을 보였으며, 완전 감독 기법과의 성능 격차를 84% 이상 줄였다. 또한 대화형 분할 모델인 SAM의 초기 시드 생성에도 활용될 수 있음을 보였다.
To Another Language
from source content
arxiv.org
Дополнительные вопросы