반복 피라미드 컨텍스트를 이용한 공동 세분화 및 경계 탐지

본 논문에서는 의미 분할(semantic segmentation)과 경계 검출(boundary detection)을 위한 공동 다중 작업 학습 프레임워크를 제안한다. 이 프레임워크의 핵심 구성 요소는 반복적 피라미드 맥락 모듈(iterative pyramid context module, PCM)으로, 두 작업을 결합하여 공유되는 은닉 의미 정보(latent semantics)를 저장하고 이를 통해 두 작업 간의 상호작용을 유도한다. 의미 경계 검출을 위해, 비의미적 경계를 억제하기 위해 새로운 공간적 기울기 융합(spatial gradient fusion) 기법을 제안한다. 의미 경계 검출은 의미 분할의 쌍대 작업(dual task)이므로, 의미 분할의 경계 픽셀 정확도를 향상시키기 위해 경계 일관성 제약(boundary consistency constraint)을 포함한 손실 함수를 도입한다. 광범위한 실험을 통해 기존 최고 성능 기법들에 비해 의미 분할뿐 아니라 의미 경계 검출에서도 뛰어난 성능을 입증하였다. 특히, 굵은 데이터(coarse data)나 외부 데이터를 사용하지 않고도 Cityscapes 테스트 세트에서 평균 IoU(mean IoU) 점수 81.8%를 달성하였다. 의미 경계 검출 측면에서는 기존 최고 성능 기법 대비 AP(average precision)에서 9.9%, MF(ODS)에서 6.8% 향상되었다.