초록
파노프틱 세그멘테이션은 단일 출력 내에서 '개체' (계산 가능한 객체 인스턴스)와 '물질' (계산 불가능하고 형태가 불규칙한 영역)의 세그먼트를 모두 필요로 합니다. 일반적인 접근 방식은 인스턴스 세그멘테이션 (개체용)과 의미론적 세그멘테이션 (물질용)을 비중복된 세그먼트 배치로 융합하고, 겹침을 해결하는 것입니다. 그러나 감지 신뢰도에 따른 인스턴스 순서는 자연적인 가림 관계와 잘 일치하지 않습니다. 이 문제를 해결하기 위해, 두 개의 인스턴스 마스크가 어떻게 서로 겹쳐야 하는지를 이진 관계로 모델링하는 브랜치를 제안합니다. 우리의 방법인 OCFusion은 경량적이지만 특히 인스턴스 융합 과정에서 효과적입니다. OCFusion은 기존 데이터셋 주석에서 자동으로 도출된 지면 진리 관계를 사용하여 훈련됩니다. COCO에서 최신 연구 결과를 얻었으며, Cityscapes 파노프틱 세그멘테이션 벤치마크에서도 경쟁력 있는 결과를 보여주었습니다.