유리처럼 생긴 객체 세그멘테이션을 위한 개선된 경계 학습

유리처럼 생긴 물체, 예를 들어 창문, 병, 거울 등은 실제 세계에서 널리 존재한다. 이러한 물체를 감지하는 것은 로봇의 주행 및 물체 집기와 같은 다양한 응용 분야에 활용될 수 있다. 그러나 유리처럼 생긴 물체 뒤의 장면이 임의적이기 때문에 이 작업은 매우 도전적인 과제이다. 본 논문은 개선된 경계 학습을 통해 유리처럼 생긴 물체의 세분화 문제를 해결하고자 한다. 구체적으로, 더 정교한 경계 신호를 출력하는 새로운 정밀한 차분 모듈을 제안한다. 또한, 경계를 따라 전역적인 형태를 모델링하기 위해 에지 인식형 점 기반 그래프 컨볼루션 네트워크 모듈을 도입한다. 이러한 두 모듈을 활용하여 객체 윤곽선에서 특히 정확하고 깨끗한 세분화 결과를 생성하는 디코더를 설계하였다. 두 모듈 모두 경량화되어 있으며 효과적이며, 다양한 세분화 모델에 쉽게 통합할 수 있다. 최근의 세 가지 유리처럼 생긴 물체 세분화 데이터셋(Trans10k, MSD, GDD)에서 실시한 광범위한 실험을 통해 본 방법은 새로운 최고 성능을 달성하였다. 또한, Cityscapes, BDD, COCO Stuff와 같은 세 가지 일반적인 세분화 데이터셋에서 본 방법의 뛰어난 일반화 성능을 입증하였다. 코드 및 모델은 \url{https://github.com/hehao13/EBLNet}에서 제공된다.