iShape: 비정형 형태의 인스턴스 세그멘테이션을 위한 첫 걸음

이 논문에서는 불규칙한 형태의 객체에 대한 인스턴스 세그멘테이션 연구를 촉진하기 위해 새로운 데이터셋을 소개한다. 우리의 주요 관찰은 일상생활 및 산업 환경에서 널리 존재하는 불규칙한 형태의 객체들이, 해당 데이터셋의 부족으로 인해 인스턴스 세그멘테이션 분야에서 거의 주목받지 못했다는 점이다. 이러한 격차를 메우기 위해, 우리는 인스턴스 세그멘테이션을 위한 불규칙한 형태 데이터셋인 iShape를 제안한다. iShape는 실제 데이터 1개와 합성 데이터 5개로 구성된 6개의 하위 데이터셋을 포함하며, 각각이 대표적인 불규칙한 형태의 장면을 나타낸다. 기존의 정규 형태 객체를 대상으로 한 인스턴스 세그멘테이션 데이터셋과 달리, iShape는 인스턴스의 경계 상자 간의 큰 겹침, 극단적인 종횡비, 그리고 하나의 인스턴스당 많은 수의 연결 구성 요소 등 기존 인스턴스 세그멘테이션 알고리즘에 도전적인 특성을 지닌다. iShape에서 대표적인 인스턴스 세그멘테이션 방법들을 평가한 결과, 기존 알고리즘의 성능이 크게 저하됨을 확인하였다. 이를 바탕으로, 임의의 형태의 인스턴스 세그멘테이션(불규칙한 객체 포함)을 해결하기 위해 인지와 추론을 명시적으로 결합하는 새로운 접근법인 ASIS(affinity-based instance segmentation) 알고리즘을 제안한다. 실험 결과, ASIS는 iShape에서 최신 기술 대비 우수한 성능을 보였다. 데이터셋과 코드는 https://ishape.github.io 에서 공개되어 있다.