민주주의는 중요하다: 공유된 주요 객체 검출을 위한 포괄적인 특성 추출

공통 주요 객체 검출은 여러 이미지에서 공존하는 주요 객체를 검출하는 것을 목표로 하며, 인기몰이를 하고 있습니다. 최근 연구에서는 주의 메커니즘이나 추가 정보를 사용하여 공통 주요 특성을 집계하지만, 이로 인해 대상 객체에 대한 응답이 불완전하거나 심지어 잘못될 수 있습니다. 본 논문에서는 민주주의적 방식으로 포괄적인 공통 주요 특성을 발굴하고, 추가 정보 없이 배경 간섭을 줄이는 방법을 제안합니다. 이를 위해 민주주의적 프로토타입 생성 모듈을 설계하여 충분한 공통 주요 영역을 포함하는 민주주의적 응답 맵을 생성하였습니다. 이 응답 맵을 기반으로 종합적인 프로토타입을 생성하여 최종 예측의 안내자 역할을 할 수 있도록 하였습니다. 프로토타입 내의 노이즈 배경 정보를 억제하기 위해, 부가적인 분류 정보에 의존하지 않고 양성 및 음성 쌍을 형성하는 자기 대조 학습 모듈을 제안하였습니다. 또한, 주의 값 재조정을 통해 공통 주요 특성을 더욱 강화하기 위한 민주주의적 특성 강화 모듈도 설계하였습니다. 광범위한 실험 결과, 본 모델은 특히 도전적인 실제 사례(예: CoCA에서 MAE는 2.0%, 최대 F-측도는 5.4%, 최대 E-측도는 2.3%, S-측도는 3.7% 향상)에서 기존 최신 방법보다 우수한 성능을 보임을 확인하였습니다. 코드는 곧 공개될 예정입니다.