弱教師ありセマンティックセグメンテーションにおける疑似マスクノイズ低減のための応答スケーリングを用いた不確実性推定

弱教師付きセマンティックセグメンテーション（WSSS）は、密なアノテーションの重い負担なしにオブジェクトをセグメンテーションする手法である。しかし、その代償として生成される擬似マスクには明確なノイズピクセルが存在し、これらの擬似マスクに基づいて学習されたセグメンテーションモデルは最適な性能に達しない。現状では、このようなノイズピクセルの問題に注目している研究は稀であり、擬似マスクの品質を改善してもノイズは避けがたいという事実にさえ無関心な研究が多い。そこで本研究では、ノイズ低減の観点からWSSSの性能向上を試みる。我々の観察によれば、多くのノイズピクセルは高い信頼度を示しており、特に応答範囲が広すぎたり狭すぎたりする場合、応答が不確実な状態にあることが明らかになった。したがって、本論文では、予測マップを複数回スケーリングすることで応答のノイズ変動をシミュレートし、その不確実性を推定する手法を提案する。得られた不確実性は、セグメンテーション損失に重みを付けるために用いられ、ノイズを含む教師信号の影響を軽減する。本手法を「URN（Uncertainty estimation via Response scaling for Noise mitigation）」と命名する。実験によりURNの有効性が検証され、追加のモデル（例：注目度検出モデルなど）を用いずに、PASCAL VOC 2012では71.2%、MS COCO 2014では41.5%というSOTA（最先端）の結果を達成した。コードは https://github.com/XMed-Lab/URN にて公開されている。