단계적 희소 특성 전파 네트워크를 이용한 상호 작용 분할

우리는 점 기반 상호 분할 문제를 해결하기 위해 노력하고 있으며, 이 문제의 핵심 과제는 사용자가 제공한 주석을 효율적으로 라벨이 부여되지 않은 영역으로 전파하는 것입니다. 기존 방법들은 계산 비용이 많이 드는 완전 연결 그래프나 변환기(Transformer) 구조를 활용하여 이 과제에 대응하지만, 정확한 분할에 필요한 중요한 세부 정보를 희생합니다. 이러한 제약을 극복하기 위해, 우리는 클릭을 보강한 특성 표현을 학습하여 사용자가 제공한 정보를 라벨이 부여되지 않은 영역으로 전파하는 캐스케이드 희소 특성 전파 네트워크(Cascade Sparse Feature Propagation Network, CSFPN)를 제안합니다. 우리 네트워크의 희소 설계는 고해상도 특성에서 효율적인 정보 전파를 가능하게 하며, 이로 인해 더 상세한 객체 분할 결과를 얻을 수 있습니다. 다양한 벤치마크에서 수행된 포괄적인 실험을 통해 우리 방법의 효과성을 검증하였으며, 결과는 우리의 접근 방식이 우수한 성능을 발휘함을 입증하고 있습니다. 코드는 \href{https://github.com/kleinzcy/CSFPN}{https://github.com/kleinzcy/CSFPN}에서 확인할 수 있습니다.