ExFuse: 의미 분할을 위한 특성 융합 향상

현대의 의미 분할 프레임워크는 일반적으로 사전 학습된 백본 컨볼루션 모델에서 추출한 저수준 및 고수준 특성을 결합하여 성능을 향상시킵니다. 본 논문에서는 이러한 저수준과 고수준 특성의 단순한 융합이 의미 수준과 공간 해상도 간의 차이로 인해 덜 효과적일 수 있다는 점을 처음으로 지적합니다. 우리는 저수준 특성에 의미 정보를 도입하고 고수준 특성에 고해상도 세부 정보를 도입하는 것이 후속 융합에 더 효과적이라는 것을 발견하였습니다. 이 관찰 결과를 바탕으로, 저수준과 고수준 특성 사이의 차이를 극복하여 전체적으로 4.0%의 분할 품질을 크게 향상시키는 새로운 프레임워크인 ExFuse를 제안합니다. 또한, 우리의 접근 방식을 어려운 PASCAL VOC 2012 분할 벤치마크에서 평가하였으며, 87.9%의 평균 IoU(mean Intersection over Union)를 달성하여 기존 최신 연구 결과보다 우수한 성능을 보였습니다.