Few-Shot セグメンテーションのための特徴の曖昧性の除去

最近の少ショットセグメンテーション（FSS）における進展は、クエリ特徴量とサポート特徴量のピクセル単位でのマッチングを活用しており、通常はクロスアテンションに基づいている。この手法は、同一クラスのサポート領域（FG）特徴量に対応するクエリFG特徴量を選択的に活性化する。しかし、バックボーンの深層部における受容 field の大きさのため、抽出されたクエリFG特徴量とサポートFG特徴量は避けがたく背景（BG）特徴量と混在してしまう。その結果、クロスアテンションにおけるFG-FGマッチングが阻害され、クエリFG特徴量は十分なサポートFG特徴量と融合されず、サポート情報の有効活用が不十分となる。本論文では、既存のクロスアテンションベースのFSS手法に任意に組み込める新しいプラグイン型ネットワーク「アンビグイティ除去ネットワーク（AENet）」を提案する。その主なアイデアは、識別性の高いクエリFG領域を抽出することで、曖昧なFG特徴量を修正し、FG情報の割合を増加させ、混入したBG特徴量の悪影響を抑制することにある。これにより、自然にFG-FGマッチングの性能が向上する。本研究では、CyCTR、SCCAN、HDMNetの3つのベースラインにAENetを適用し評価した結果、各手法の性能が大幅に向上し、特にSCCANの1ショット性能はPASCAL-5$^i$およびCOCO-20$^i$の両方で3.0%以上向上した。実装コードはhttps://github.com/Sam1224/AENetにて公開されている。