Gated-SCNN: Gated Shape CNNs for Semantic Segmentation 게이트-SCNN: 의미 분할을 위한 게이트된 형태 CNNs

현재 최신의 이미지 분할 방법들은 색상, 형태 및 질감 정보를 모두 깊은 CNN 내에서 함께 처리하여 밀집된 이미지 표현을 형성합니다. 그러나 이러한 정보들은 인식에 필요한 매우 다른 유형의 정보를 포함하고 있어 이상적이지 않을 수 있습니다. 이에 본 연구에서는 의미론적 분할을 위한 새로운 두 개의 스트림 CNN 아키텍처를 제안합니다. 이 아키텍처는 형태 정보를 별도의 처리 브랜치로 명시적으로 연결하여, 전통적인 스트림과 병렬로 정보를 처리합니다(즉, 형태 스트림).이 아키텍처의 핵심은 두 스트림의 중간 계층을 연결하는 새로운 유형의 게이트입니다. 구체적으로, 전통적인 스트림에서 더 높은 수준의 활성화를 사용하여 형태 스트림에서 더 낮은 수준의 활성화를 게이팅합니다. 이를 통해 노이즈가 효과적으로 제거되고, 형태 스트림이 경계 관련 정보만 처리하도록 집중할 수 있습니다. 이로 인해 우리는 이미지 레벨 해상도에서 작동하는 매우 얕은 아키텍처를 형태 스트림에 사용할 수 있습니다.실험 결과, 이 접근법은 객체 경계 주변에서 더 선명한 예측을 생성하며, 특히 얇고 작은 객체들의 성능을 크게 향상시키는 것으로 나타났습니다. 제안된 방법은 Cityscapes 벤치마크에서 마스크(mIoU)와 경계(F-점수) 품질 측면에서 최고 성능을 달성하며, 강력한 기준 모델 대비 각각 2%와 4% 개선되었습니다.