MSI：Few-Shot Segmentation におけるサポートセット情報の最大化

Few-shot Segmentation（FSS）は、少量のラベル付き画像（サポートセット）を用いて対象クラスをセグメンテーションすることを目的としている。ターゲットクラスに関連する情報を抽出するため、高性能なFSS手法の主流であるアプローチでは、サポートマスクを用いて背景特徴を除去する。しかしながら、本研究では、制限されたサポートマスクによる特徴の除去が、特に小さなターゲットや不正確なターゲット境界を含む困難なFSSケースにおいて、情報のボトルネックを引き起こしていることを観察した。この問題に対処するため、本研究では、二つの補完的な特徴源を活用してスーパー相関マップを生成することで、サポートセットの情報を最大化する新しい手法（MSI: Maximize Support-set Information）を提案する。この手法を、近年の強力な3つのFSS手法に適用し、実装することで、その有効性を検証した。公開されている複数のFSSベンチマークにおける実験結果から、本手法が一貫して顕著な性能向上を達成し、収束速度も向上することが示された。本研究のコードおよび学習済みモデルは、以下のURLにて公開されている：https://github.com/moonsh/MSI-Maximize-Support-Set-Information