FECANet：特徴強化型コンテキスト認識ネットワークを用いたFew-Shotセマンティックセグメンテーションの高速化

少サンプルセマンティックセグメンテーションは、新しいクラスの各ピクセルを、わずかなアノテーション付きのサポート画像のみを用いてクエリ画像上で位置特定するタスクである。現在の相関ベースの手法は、従来のプロトタイプベース手法が細かい対応関係を学習できないため、多数対多数のマッチングを確立するためにペアワイズな特徴相関を構築している。しかし、既存の手法は、単純な相関に含まれるノイズや、相関における文脈的意味情報の不足という課題に直面している。上記の問題を緩和するため、本研究では特徴強化型文脈認識ネットワーク（Feature-Enhanced Context-Aware Network, FECANet）を提案する。具体的には、クラス間の局所的類似性によって引き起こされるマッチングノイズを抑制し、単純な相関におけるクラス内関連性を強化するための特徴強化モジュールを導入する。さらに、前景と背景間の追加的な対応関係およびマルチスケールの文脈的意味特徴を符号化する新たな相関再構成モジュールを提案することで、エンコーダが信頼性の高いマッチングパターンを捉える能力を著しく向上させる。PASCAL-$5^i$およびCOCO-$20^i$データセットにおける実験結果から、本研究で提案するFECANetが従来の最先端手法と比較して顕著な性能向上を達成していることが示され、その有効性が確認された。