Few-shotオブジェクトカウントにおける類似度認識特徴強化

本研究では、少サンプルオブジェクトカウント（few-shot object counting）という問題に着目する。これは、1枚または複数枚のサポート画像（support image）によって定義される例示オブジェクト（exemplar object）が、クエリ画像（query image）中に何個存在するかを数えるタスクである。主な課題は、ターゲットオブジェクトがクエリ画像内に密に配置されている場合、個々のオブジェクトを正確に識別することが極めて困難になる点にある。この課題に対処するため、類似度比較モジュールと特徴強化モジュールを備えた新しい学習ブロックを提案する。具体的には、サポート画像とクエリ画像が与えられた場合、両者の特徴量を空間的に投影し、各位置で特徴の類似度を比較することでスコアマップを生成する。すべてのサポート画像に対するスコアマップを統合し、例示次元および空間次元の両方で正規化することで、信頼性の高い類似度マップを構築する。その後、得られたピクセル単位の類似度を重み係数として用いて、サポート特徴量をもとにクエリ特徴量を強化する。この設計により、モデルはサポート画像に類似する領域に注目してクエリ画像を分析するよう促され、結果として異なるオブジェクト間の境界がはっきりと明確化される。さまざまなベンチマークおよび学習設定における広範な実験により、提案手法が既存の最先端手法を大きく上回ることが示された。特に、最近の大規模データセットFSC-147において、平均絶対誤差（MAE）を22.08から14.32まで改善し、35%の向上（↑）を達成した。コードはGitHubにて公開されている：https://github.com/zhiyuanyou/SAFECount。