적응형 특징 은행과 불확실 영역 정밀화를 통한 비디오 객체 세그멘테이션

우리는 반감독 비디오 객체 세분화(VOS)를 위한 새로운 매칭 기반 프레임워크를 제안한다. 최근 최신의 VOS 성능은 매칭 기반 알고리즘을 통해 달성되었으며, 이러한 알고리즘은 영역 매칭 및 분류를 위해 특징 은행(feature bank)을 생성한다. 그러나 지속적으로 확장되는 특징 은행 내 정보를 효과적으로 정리하는 방법은 여전히 탐색이 부족한 영역이며, 이로 인해 은행의 설계가 비효율적으로 이루어진다. 본 연구에서는 새로운 특징을 동적으로 수용하고 오래된 특징을 제거하는 적응형 특징 은행 업데이트 방식을 제안한다. 또한 불확실한 영역에서의 세분화 정확도를 향상시키기 위해 새로운 신뢰도 손실(confidence loss)과 세밀한 세분화 모듈을 설계하였다. 공개 벤치마크에서 제안하는 알고리즘이 기존 최고 성능 알고리즘을 모두 상회함을 확인하였다.