iShape：不規則形状インスタンスセグメンテーションへの第一歩

本稿では、不規則な形状を持つ物体に対するインスタンスセグメンテーションの研究を促進するため、全く新しいデータセットを紹介する。我々の重要な観察は、日常および産業現場において不規則な形状の物体が広く存在する一方で、対応するデータセットの不足により、インスタンスセグメンテーション分野ではそれらにほとんど注目が集まっていないことである。このギャップを埋めるために、我々はインスタンスセグメンテーション向けの不規則形状データセット「iShape」を提案する。iShapeは、実データを1つと合成データを5つ含む6つのサブデータセットから構成されており、それぞれが典型的な不規則形状のシーンを代表している。既存の規則的な物体向けインスタンスセグメンテーションデータセットとは異なり、iShapeはインスタンスのバウンディングボックスの重なりが大きく、アスペクト比が極端に異なる、1インスタンスあたりの連結成分数が非常に多いなど、従来のインスタンスセグメンテーションアルゴリズムに挑戦する特徴を多数備えている。iShape上で代表的なインスタンスセグメンテーション手法をベンチマークした結果、それらの性能が著しく低下することが明らかになった。このため、任意形状インスタンスセグメンテーション（不規則な物体を含む）を解決するため、認識と推論を明示的に統合するアフィニティベースのインスタンスセグメンテーション手法「ASIS」を提案する。実験結果により、ASISはiShape上で最先端の手法を上回る性能を達成した。データセットおよびコードは、https://ishape.github.io にて公開されている。