소수 샘플 객체 수량 측정을 위한 유사도 인지 특징 강화

본 연구는 소수 샘플 객체 수량 측정(few-shot object counting) 문제를 다룬다. 이는 하나 또는 여러 개의 지원 이미지(support image)로 설명되는 예시 객체(exemplar object)가 쿼리 이미지(query image) 내에 얼마나 존재하는지를 세는 문제이다. 주요 과제는 타겟 객체가 쿼리 이미지 내에서 밀집해 존재할 수 있어, 각 개별 객체를 정확히 인식하는 것이 어렵다는 점에 있다. 이러한 도전 과제를 해결하기 위해, 유사성 비교 모듈(similarity comparison module)과 특징 강화 모듈(feature enhancement module)을 갖춘 새로운 학습 블록을 제안한다. 구체적으로, 주어진 지원 이미지와 쿼리 이미지에 대해, 공간적 위치별로 양 이미지의 변환된 특징을 비교하여 점수 맵(score map)을 생성한다. 모든 지원 이미지에 대한 점수 맵을 통합하고, 예시 객체 차원과 공간 차원을 기준으로 정규화함으로써 신뢰도 높은 유사성 맵을 생성한다. 이후, 개발된 점별 유사성(point-wise similarities)을 가중치 계수로 활용하여 쿼리 특징을 지원 특징을 통해 강화한다. 이러한 설계는 모델이 쿼리 이미지를 분석할 때 지원 이미지와 유사한 영역에 더 집중하도록 유도하여, 서로 다른 객체 간 경계를 훨씬 더 명확하게 만든다. 다양한 벤치마크와 학습 설정에서 수행된 광범위한 실험 결과는 제안한 방법이 기존 최고 수준의 방법들을 충분히 뛰어넘는 성능을 보임을 시사한다. 예를 들어, 최근에 발표된 대규모 FSC-147 데이터셋에서 기존 최고 성능 방법보다 평균 절대 오차(mean absolute error)를 22.08에서 14.32로 개선하여 약 35% 향상시켰다. 관련 코드는 https://github.com/zhiyuanyou/SAFECount 에 공개되어 있다.