Ada-Segment：パノプティックセグメンテーションのための自動マルチロス適応

パノプティックセグメンテーションは、インスタンスセグメンテーションとセマンティックセグメンテーションを統合する手法として、近年注目を集めている。既存の多数の手法が新たなアーキテクチャの設計に注力している一方で、本研究では異なるアプローチを採用する。学習の進行に応じて、複数の訓練損失を動的に調整する自動的なマルチ損失適応（以下、Ada-Segment）を、学習ダイナミクスを捉えるように訓練されたコントローラーを用いて実現する。このアプローチには以下の利点がある。まず、パノプティックセグメンテーションにおいて極めて重要な損失組み合わせの手動チューニングを回避できる。次に、学習ダイナミクスを明示的にモデル化でき、複数の学習目標（本研究では最大10項目）の調整を統合的に実現できる。さらに、エンドツーエンドのアーキテクチャを採用しているため、ハイパーパラメータの再チューニングや訓練プロセスの再調整を繰り返すことなく、異なるデータセットへも汎化可能である。Ada-Segmentは、COCOのバリデーションスプリットにおいて、ベースラインから2.7%のパノプティック品質（PQ）向上を達成し、COCO test-devスプリットでは48.5%のPQという最先端の性能を記録した。また、ADE20Kデータセットでは32.9%のPQを達成した。広範なアブレーションスタディにより、訓練過程全体にわたって学習ダイナミクスが継続的に変化していることが明らかとなり、本研究で提示する自動的かつ適応的な学習戦略の導入が不可欠であることが示された。