自己教師変換器を用いたラベルなしの物体局在化

画像コレクション内の物体を教師なしで局所化することで、高コストのアノテーション作業を回避することができます。本研究では、自己監督学習により事前学習されたビジョントランスフォーマーの活性化特徴を活用する単純な手法を提案します。当手法はLOSTと呼ばれ、外部からの物体提案や画像コレクションの探索を必要とせず、単一の画像に対して動作します。それでも、PASCAL VOC 2012データセットにおいて、最新の物体発見手法に比べて最大8 CorLocポイント上回る性能を達成しました。また、発見された物体上でクラス非依存検出器を訓練することで、さらに7ポイントの性能向上が確認されました。さらに、教師なし物体発見タスクにおいても有望な結果を得ています。当研究の結果を再現するためのコードは以下のURLから入手できます: https://github.com/valeoai/LOST。注：CorLoc（Correct Localization）は物体検出における評価指標の一つです。