FasterSeg: 더 빠른 실시간 세그멘테이션을 위한 빠른 탐색

우리는 현재의 방법보다 뛰어난 성능과 더 빠른 속도를 동시에 달성한 자동 설계된 세분화 네트워크인 FasterSeg를 제안한다. 신경망 아키텍처 탐색(NAS)을 활용하여, 최근 수작업으로 설계된 세분화 모델에서 매우 중요한 역할을 한다고 밝혀진 다중 해상도 분기(multi-resolution branches)를 통합한 새로운 확장된 탐색 공간에서 FasterSeg를 발견하였다. 높은 정확도와 낮은 지연 시간 사이의 균형을 보다 효과적으로 조절하기 위해, 우리는 분리된 세밀한 지연 시간 정규화(latency regularization)를 제안한다. 이는 탐색된 네트워크가 낮은 지연 시간이지만 낮은 정확도를 가진 모델로 "붕괴(collapsing)"되기 쉬운 현상을 효과적으로 극복한다. 또한, FasterSeg를 새로운 협업 탐색(co-searching) 프레임워크로 원활하게 확장하여, 단일 실행 내에서 교사(teacher) 및 학습자(student) 네트워크를 동시에 탐색할 수 있도록 하였다. 교사-학생 교환(distillation) 기법을 통해 학습자 모델의 정확도가 더욱 향상된다. 주요 세분화 벤치마크에서의 실험 결과를 통해 FasterSeg의 우수한 성능을 입증하였다. 예를 들어, Cityscapes 데이터셋에서 FasterSeg는 가장 유사한 수작업 설계 모델보다 30% 이상 빠르게 동작하면서도 비슷한 정확도를 유지할 수 있다.