맥락적 단서를 이용한 비맥락 객체 탐지

이 논문은 이미지 내 부적절한 맥락(Out-of-Context, OOC) 객체를 탐지하는 방법을 제안한다. 주어진 이미지에 포함된 객체 집합을 기반으로, 특정 객체가 장면의 맥락과 일치하지 않는지 판단하고, OOC 객체를 경계 박스로 탐지하는 것이 목표이다. 본 연구에서는 일반적으로 탐색되는 맥락적 관계, 예를 들어 객체 간 동시 등장 관계, 다른 객체들과의 상대적 크기 관계, 그리고 장면 내 객체의 위치 관계를 고려한다. 우리는 맥락적 단서가 맥락에 적합한 객체의 레이블을 결정하는 데 유용하며, 반면 맥락과 불일치하는 단서는 OOC 객체의 레이블 결정에 방해가 된다고 주장한다. 이러한 가정을 실현하기 위해, 이미지 내 맥락적 단서를 기반으로 객체 레이블을 예측하는 그래프 맥락 추론 네트워크(Graph Contextual Reasoning Network, GCRN)를 제안한다. GCRN는 두 개의 별도 그래프로 구성되며, 각각 다음과 같은 기능을 수행한다: 1) 인접 객체를 기반으로 객체 특징을 학습하는 표현 그래프(Representation Graph), 2) 인접 객체로부터 맥락적 단서를 명시적으로 포착하는 맥락 그래프(Context Graph). GCRN는 맥락적 단서를 명시적으로 모델링함으로써 맥락에 적합한 객체 탐지 성능을 향상시키고, 맥락 관계를 위반하는 객체를 식별할 수 있다. 제안한 방법의 성능을 평가하기 위해, COCO 이미지에 OOC 객체 인스턴스를 추가하여 대규모 데이터셋을 구축하였다. 또한 최신의 OCD 벤치마크에서도 실험을 수행하였다. 실험 결과, GCRN는 OOC 객체 탐지 및 맥락에 적합한 객체 정확한 탐지에서 경쟁적인 기존 방법들을 능가함을 확인하였다.