초록
공동 주요성 검출(Co-SOD)은 관련 이미지 그룹에서 공통의 주요 전경을 분할하는 것을 목표로 합니다. 본 논문에서는 인간의 행동에 영감을 받아 그래디언트 유도 공동 주요성 검출(GICD) 방법을 제안합니다. 먼저, 임베딩 공간에서 그룹화된 이미지에 대한 합의 표현을 추상화합니다. 그런 다음 단일 이미지를 합의 표현과 비교하여 피드백 그래디언트 정보를 활용하여 차별적인 공동 주요 특징에 더 많은 주목을 유도합니다. 또한 Co-SOD 훈련 데이터 부족 문제를 해결하기 위해, 일반적인 주요성 데이터셋에서 추가적인 픽셀 레벨 어노테이션 없이 Co-SOD 네트워크를 훈련시킬 수 있는 자igsaw 훈련 전략을 설계했습니다. 여러 전경 중에서 공동 주요 객체를 발견하는 Co-SOD 방법들의 성능을 평가하기 위해, 각 이미지가 적어도 하나의 외래 전경과 함께 공동 주요 객체를 포함하는 도전적인 CoCA 데이터셋을 구축했습니다. 실험 결과, 제안한 GICD 방법이 최고 수준의 성능을 달성함을 확인하였습니다. 우리의 코드와 데이터셋은 https://mmcheng.net/gicd/ 에서 이용 가능합니다.