ATLANTIS：水体画像の意味分割をためのベンチマーク

視覚ベースの水体および周辺関連オブジェクトの意味的セグメンテーションは、水資源の管理や洪水緊急対応において重要な情報を提供する。しかし、水関連カテゴリのための大規模なラベル付き学習およびテストデータセットの不足により、コンピュータビジョン分野における水関連課題の研究が阻害されている。この問題に対処するため、本研究では水体および関連オブジェクトの意味的セグメンテーションを目的とした新しいベンチマーク「ATLANTIS」を提案する。ATLANTISは、5,195枚の水体画像と、56種類のオブジェクト（人工物17種類、自然物18種類、一般クラス21種類）について高精度なピクセルレベルの手動アノテーションを含む。本研究では、ATLANTISを詳細に分析し、複数の最先端意味的セグメンテーションネットワークを本ベンチマーク上で評価した。さらに、水中領域と非水中領域を別々のパスで処理する新たな深層ニューラルネットワーク「AQUANet」を、水体の意味的セグメンテーションに向け開発した。AQUANetは、低レベル特徴の調整およびパス間相互作用モジュレーションを組み込み、特徴表現を強化している。実験結果から、提案するAQUANetがATLANTIS上で他の最先端の意味的セグメンテーションネットワークを上回ることを確認した。本研究では、ATLANTISが意味的セグメンテーションを対象とした水体画像データセットとして、最も規模が大きく、水および水関連クラスの多様性を備えたものであると主張する。本データセットは、コンピュータビジョンおよび水資源工学分野の研究者にとって大きな貢献をもたらすものと考えられる。