아틀란티스: 수체 이미지의 의미적 세그멘테이션을 위한 벤치마크

물체 및 주변 관련 객체에 대한 시각 기반 의미 분할은 수자원 관리 및 홍수 긴급 상황 대응에 중요한 정보를 제공한다. 그러나 수자원 관련 카테고리에 대한 대규모 레이블링된 학습 및 테스트 데이터셋의 부족으로 인해 컴퓨터 비전 분야에서 수자원 관련 문제를 연구하는 데 어려움이 있다. 이러한 문제를 해결하기 위해, 본 연구에서는 물체 및 관련 객체의 의미 분할을 위한 새로운 벤치마크인 ATLANTIS를 제안한다. ATLANTIS는 5,195장의 물체 이미지와 함께, 인공 구조물 17개 클래스, 자연 물체 18개 클래스, 일반 클래스 21개 총 56개 클래스에 대한 고해상도 픽셀 단위 수작업 레이블을 포함하고 있다. 본 연구는 ATLANTIS를 철저히 분석하고, 제안된 벤치마크에서 최신 의미 분할 네트워크들을 평가하였다. 또한, 수중 영역과 비수중 영역을 별도의 경로에서 처리함으로써 물체 의미 분할을 위한 새로운 딥 신경망인 AQUANet를 개발하였다. AQUANet는 저수준 특징 조절과 경로 간 상호 조절 기법을 도입하여 특징 표현력을 향상시켰다. 실험 결과, 제안한 AQUANet는 ATLANTIS 벤치마크에서 다른 최신 의미 분할 네트워크보다 우수한 성능을 보였다. 본 연구는 ATLANTIS가 의미 분할을 위한 가장 큰 물체 이미지 데이터셋으로, 다양한 수자원 및 수자원 관련 클래스를 포함하고 있으며, 컴퓨터 비전 및 수자원 공학 분야의 연구자들에게 큰 도움이 될 것이라고 주장한다.