초록
우리는 '워터폴(수문) 아트로우스 공간 풀링' 아키텍처를 기반으로 한 새로운 효율적인 의미 분할 아키텍처를 제안한다. 이 아키텍처는 네트워크 파라미터 수와 메모리 사용량을 감소시키면서도 상당한 정확도 향상을 달성한다. 제안하는 워터폴 아키텍처는 계단식(카스케이드) 아키텍처의 점진적 필터링의 효율성을 활용하면서도, 공간 피라미드 구조와 유사한 다중 스케일의 시야(field-of-view)를 유지한다. 또한 본 방법은 조건부 무작위 필드(Conditional Random Fields, CRF) 기반의 후처리 단계에 의존하지 않아, 아키텍처의 복잡성과 학습에 필요한 시간을 추가로 줄인다. 우리는 리스넷(ResNet)을 백본으로 사용한 워터폴 접근법이 파스칼 VOC 데이터셋과 시티스케이프 데이터셋에서 최신 기술 수준의 성능을 달성하면서도 파라미터 수를 크게 감소시키는 강력하고 효율적인 의미 분할 아키텍처임을 실험을 통해 입증한다.