L2G：弱教師ありセマンティックセグメンテーションのためのシンプルなローカルからグローバルへの知識転移フレームワーク

正確なクラス意識型注目マップ（いわゆるクラス活性化マップ）の抽出は、弱教師ありセマンティックセグメンテーションにおいて不可欠である。本論文では、高品質なオブジェクト注目マップを抽出するための、シンプルなオンライン型局所から全体への知識転送フレームワークであるL2Gを提案する。我々は、入力画像をその局所的なパッチに置き換えることで、分類モデルがより詳細なオブジェクト領域を発見できることに着目した。この観察を踏まえ、まず入力画像からランダムに切り出された複数の局所パッチに対して、局所分類ネットワークを用いて注目マップを抽出する。その後、複数の局所注目マップ間で補完的な注目知識をオンラインで学習するため、グローバルネットワークを活用する。本フレームワークは、グローバルな視点から局所ネットワークによって捉えられた豊富なオブジェクト細部情報を学習させることで、セマンティックセグメンテーションネットワークのための擬似アノテーションとして直接利用可能な高品質な注目マップを生成する。実験の結果、PASCAL VOC 2012の検証セットおよびMS COCO 2014の検証セットにおいて、それぞれ72.1%および44.2%のmIoUスコアを達成し、新たな最先端の性能を記録した。コードはhttps://github.com/PengtaoJiang/L2Gにて公開されている。