弱教師ありのインスタンスセグメンテーション：注目画像を用いたクラス非依存学習

人間は未知の物体でも正確に境界を描く強いクラス非依存オブジェクトセグメンテーション能力を持っています。この能力が我々に弱い教師ありインスタンスセグメンテーションの解決策として、ボックス監督下でのクラス非依存オブジェクトセグメンテーション（BoxCaseg）に基づいた手法を提案する動機を与えています。BoxCasegモデルは、ボックス監督画像と注目画像を多タスク学習方式で共同訓練されます。細かくアノテーションされた注目画像は、ボックス監督画像に対してクラス非依存かつ精密な物体位置特定のガイダンスを提供します。事前学習済みのBoxCasegモデルによって予測された物体マスクは、新しい統合とドロップ戦略により代理の正解データとして精製され、弱い教師ありインスタンスセグメンテーション用のMask R-CNNを訓練するために使用されます。PASCAL VOCにおいては7991枚の注目画像のみを使用して、完全教師ありMask R-CNNと同等の性能を達成し、COCOでは従来の最先端のボックス監督インスタンスセグメンテーション手法を大幅に上回る結果を得ています。ソースコード、事前学習済みモデルおよびデータセットは、\url{https://github.com/hustvl/BoxCaseg} から入手可能です。