地域間相互作用画像セグメンテーションネットワーク

インタラクティブな画像セグメンテーションモデルは、ユーザーが反復的に新たな入力を追加することで結果を refining し、最終的に満足のいく出力を得られるように設計されている。したがって、理想的なインタラクティブセグメンテーションモデルは、最小限のインタラクションでユーザーの意図を正確に捉える能力を学習すべきである。しかし、既存のモデルはセグメンテーションの精緻化プロセスにおいて、ユーザーが提供する貴重な入力情報の活用が不十分であり、結果として満足のいくユーザー体験を提供できていない。ユーザー入力情報を効果的に活用するため、本研究では新たな深層学習フレームワーク、すなわち「Regional Interactive Segmentation Network（RIS-Net）」を提案する。RIS-Netは、与えられた入力の視野（field-of-view）を拡張し、その周囲の局所的な領域情報を捉えることで、局所的な精緻化を実現する。さらに、各局所領域の特徴表現を強化するために、マルチスケールのグローバルな文脈情報を導入している。また、クリックの重み（click discount factors）を導入することで、より効果的なエンドツーエンド学習を可能にする新しい最適化戦略を構築した。4つの困難なデータセットを用いた包括的な評価により、提案手法のRIS-Netが他の最先端手法と比較して優れた性能を発揮することが明確に示された。