BBAM: 약한 감독 하에서의 의미 분할 및 인스턴스 분할을 위한 바운딩 박스 속성 맵

바운딩 박스 주석을 사용하는 약간 감독된 분할 방법은 각 객체를 포함하는 바운딩 박스에서 픽셀 레벨 마스크를 얻는 데 중점을 두고 있습니다. 기존 방법들은 일반적으로 이미지에 내재된 저레벨 정보를 처리하는 클래스 무관한 마스크 생성기에 의존합니다. 본 연구에서는 훈련된 객체 검출기의 동작으로부터 얻어지는 고레벨 정보를 활용하여, 객체 검출기가 전체 이미지와 거의 동일한 결과를 생성하는 이미지의 가장 작은 영역들을 찾는 방법을 제안합니다. 이러한 영역들은 바운딩 박스 속성 맵(BBAM)을 구성하며, 타겟 객체를 바운딩 박스 내에서 식별하여 약간 감독된 의미 분할과 인스턴스 분할을 위한 가상의 정답 데이터로 작용합니다. 이 접근 방식은 PASCAL VOC 및 MS COCO 벤치마크에서 약간 감독된 의미 분할과 인스턴스 분할에 있어 최근 유사한 기술들보다 크게 우수한 성능을 보입니다. 또한, 본 연구에서는 우리의 방법에 대한 상세한 분석을 제공하여 BBAM의 동작에 대해 더 깊은 통찰력을 제시합니다.