要約
自然画像において、物体の骨格（厚さ）のスケールは物体や物体部位によって大きく異なるため、物体骨格検出は難問となっています。本研究では、新たな階層的な特徴量統合メカニズムであるHi-Fiを導入した新しい畳み込みニューラルネットワーク（CNN）アーキテクチャを提案します。提案されたCNNベースの手法は、深い層から得られる高次セマンティクスと浅い層から得られる低次詳細を内在的に捉える強力な多スケール特徴量統合能力を持っています。双方向ガイダンスにより異なるCNN特徴量レベルを階層的に統合することで、本手法は(1)異なるレベルの特徴量間での相互精緻化を可能にし、(2)豊富な物体コンテキストと高解像度の詳細を両方捉える強い能力を持っています。実験結果は、非常に異なるスケールからの特徴量を効果的に融合する点で、本手法が既存の最先端手法を大幅に上回ることを示しており、複数のベンチマークにおける性能向上が顕著です。