要約
顕著対象検出（salient object detection）における最近の進展は、完全畳み込みニューラルネットワーク（FCN）の導入によって大きく促進されている。複数レベルの畳み込み特徴量に含まれる顕著性の手がかりは、顕著対象の検出において互いに補完的な役割を果たす。そのため、複数レベルの特徴量をどのように統合するかは、顕著性検出における未解決の課題となっている。本論文では、顕著対象検出を目的とした複数レベル特徴量の統合を実現するため、新たな双方向メッセージ伝達モデルを提案する。まず、多スケールの文脈認識特徴抽出モジュール（MCFEM）を用いて、複数レベルの特徴マップから豊かな文脈情報を捉える。次に、複数レベルの特徴間で双方向にメッセージを伝達する構造を設計し、メッセージ伝達の速度を制御するためにゲート関数を導入する。メッセージ伝達後の特徴量は、同時により高い意味的情報と空間的詳細を表現しており、これを用いて顕著性マップを予測する。最後に、予測結果を効率的に統合することで最終的な顕著性マップを生成する。5つのベンチマークデータセットにおける定量化および定性的な実験結果から、本モデルが異なる評価指標において、最先端の手法と比較しても優れた性能を発揮することが示された。