초록
본 논문에서는 자기 지도 학습 특성을 활용한 스펙트럼 클러스터링을 통해 비지도 주요 객체 검출(SOD, Salient Object Detection)의 어려운 과제를 다룹니다. 다음과 같은 기여를 하였습니다: (i) 스펙트럼 클러스터링을 재검토하고, 주요 객체의 픽셀들을 그룹화하는 잠재력을 시연하였습니다; (ii) MoCov2, SwAV, DINO 등의 다양한 자기 지도 모델에서 계산된 이미지 특성에 대한 여러 스펙트럼 클러스터링 적용으로부터 얻은 마스크 제안들을 바탕으로, 프레이밍과 독특성에 기반한 객체 사전 정보를 활용하여 주요 마스크를 선택하는 간단하면서도 효과적인 우승자독식 투표 메커니즘을 제안하였습니다; (iii) 선택된 객체 분할을 의사 정답 마스크로 사용하여, 세 가지 비지도 SOD 벤치마크에서 이전 접근법보다 우수한 성능을 보이는 주요 객체 검출기인 SelfMask를 훈련시켰습니다. 코드는 https://github.com/NoelShin/selfmask에서 공개적으로 이용 가능합니다.