초록
비국소 모듈은 의미 분할에 매우 유용한 기술로 알려져 있지만, 그 계산량과 GPU 메모리 사용량이 금지적으로 많다는 비판을 받고 있습니다. 본 논문에서는 의미 분할을 위한 비대칭 비국소 신경망(Asymmetric Non-local Neural Network)을 제안하며, 이는 두 가지 주요 구성 요소인 비대칭 피라미드 비국소 블록(Asymmetric Pyramid Non-local Block, APNB)과 비대칭 융합 비국소 블록(Asymmetric Fusion Non-local Block, AFNB)으로 이루어져 있습니다. APNB는 피라미드 샘플링 모듈을 비국소 블록에 통합하여 성능 저하 없이 계산량과 메모리 소비를 크게 줄입니다. AFNB는 APNB에서 파생되어 다양한 수준의 특징을 충분히 장거리 의존성을 고려하여 융합하기 때문에 성능이 크게 향상됩니다. 의미 분할 벤치마크에서 수행된 광범위한 실험들은 우리의 연구가 효과적이고 효율적임을 입증합니다. 특히, Cityscapes 테스트 세트에서 81.3 mIoU의 최신 성능을 보고합니다. 256x128 입력에 대해 APNB는 GPU 상에서 비국소 블록보다 약 6배 더 빠르며, GPU 실행 메모리 사용량은 약 28배 적습니다. 코드는 다음 링크에서 확인 가능합니다: https://github.com/MendelXu/ANN.git.