초록
대부분의 현대적인 인스턴스 분할 접근 방식은 조건부 랜덤 필드, 순환 신경망, 객체 제안, 또는 템플릿 매칭 방식을 포함하는 복잡한 파이프라인을 사용합니다. 본 논문에서는 이 과제를 해결하기 위한 간단하면서도 강력한 엔드투엔드 컨볼루션 신경망을 제시합니다. 우리의 접근 방식은 고전적인 워터셰드 변환과 현대 딥러닝의 직관을 결합하여 객체 인스턴스가 에너지 맵에서 명확하게 분수(watershed)로 표현되는 이미지의 에너지 맵을 생성합니다. 그런 다음 단일 에너지 수준에서 절단(cut)을 수행하여 객체 인스턴스에 해당하는 연결된 구성요소(connected components)를 직접 도출합니다. 우리의 모델은 도전적인 Cityscapes 인스턴스 레벨 분할 작업에서 기존 최고 수준의 성능보다 2배 이상 향상되었습니다.