LVIS Challenge Track 技術レポート 1位ソリューション：大規模語彙インスタンスセグメンテーションにおける分布バランス化と境界の精緻化

本報告では、LVIS Challenge 2021に参加したチームFuXi-Fresherの技術的詳細を紹介する。本手法は、以下の2つの課題に焦点を当てている：長尾分布（long-tail distribution）の問題と、マスクおよび境界のセグメンテーション品質の向上。先進的なHTC（Hybrid Task Cascade）インスタンスセグメンテーション手法をベースとし、CBNetv2のインスパイアを受けた複合接続（composite connections）を用いて、Swin-Lをトランスフォーマーベースのバックボーンとして接続することで、ベースライン性能を向上させた。長尾分布の問題緩和のため、データセットのバランス化と損失関数のバランス化を含む「Distribution Balanced（分布バランス化）」手法を設計した。さらに、マスクスコアリングとリファインマスク（refine-mask）アルゴリズムを組み合わせた「Mask and Boundary Refinement（マスク・境界の精緻化）」手法を導入し、セグメンテーション品質を向上させた。また、予期せぬ成果として、早期停止（early stopping）とEMA（Exponential Moving Average）手法を組み合わせることで、著しい性能向上が達成されたことがわかった。最終的に、マルチスケールテストの導入および1画像あたりの検出対象数の上限を引き上げることで、LVIS Challenge 2021の検証セット（val set）において境界AP（boundary AP）が45.4％以上を達成した。テストデータにおいては第1位となり、APが48.1％を記録した。特に、APr（AP for rare categories）が47.5％と、APf（AP for frequent categories）の48.0％に非常に近い結果を達成した。