그룹 협동 학습을 이용한 공통 주요 객체 검출

우리는 실시간으로 (16ms) 공통적으로 주요한 객체를 감지할 수 있는 새로운 그룹 협업 학습 프레임워크(GCoNet)를 제시합니다. 이 프레임워크는 두 가지 필수 기준을 바탕으로 그룹 수준에서 공통 표현을 동시에 추출함으로써 다음과 같은 성능을 발휘합니다:1) 그룹 내 집약성: 공통적으로 주요한 객체들 간의 일관성을 더욱 잘 구현하기 위해 본 연구에서 제안하는 새로운 그룹 친화 모듈을 사용하여 이러한 객체들의 고유한 공유 속성을 포착합니다;2) 그룹 간 분리성: 노이즈 객체의 출력에 대한 영향을 효과적으로 억제하기 위해, 불일치된 공통성을 조건부로 처리하는 새로운 그룹 협업 모듈을 도입합니다.추가적인 계산 부담 없이 더 나은 임베딩 공간을 학습하기 위해 보조 분류 감독을 명시적으로 활용하였습니다. CoCA, CoSOD3k, Cosal2015 등 세 가지 어려운 벤치마크에서 수행된 광범위한 실험 결과, 단순한 GCoNet이 10개의 최신 모델들을 능가하고 새로운 최고 수준의 성능(state-of-the-art)을 달성하였음을 입증하였습니다. 또한 본 논문에서는 콘텐츠 인식 공통 분할(content aware co-segmentation), 공통 위치 기반 자동 썸네일 생성(co-localization based automatic thumbnails) 등의 중요한 후속 컴퓨터 비전 응용 분야에서 새로운 기술적 기여를 보여주고 있습니다.