Unbiased Teacher v2: Anchor-free 및 Anchor 기반 탐지기 위한 반감독 객체 탐지

최근 반감독 객체 탐지(Semi-Supervised Object Detection, SS-OD) 기술의 발전으로, 제한된 양의 레이블 데이터와 풍부한 비라벨 데이터를 활용하여 객체 탐지기의 성능을 향상시킬 수 있게 되었다. 그러나 여전히 해결되지 않은 두 가지 도전 과제가 존재한다: (1) 앵커-프리(Anchor-free) 탐지기에 대한 기존 SS-OD 연구가 존재하지 않으며, (2) 기존 연구들은 의사 레이블링을 통해 경계상자 회귀(Bounding Box Regression)를 수행할 때 효과적이지 못하다는 점이다. 본 논문에서는 SS-OD 기법이 앵커-프리 탐지기로 일반화될 수 있음을 보여주는 Unbiased Teacher v2를 제안하며, 비지도 회귀 손실을 위한 'Listen2Student' 메커니즘도 도입한다. 구체적으로, 먼저 기존 SS-OD 기법이 앵커-프리 탐지기에 적용되었을 때의 성능을 분석한 연구를 수행한 결과, 반감독 설정 하에서 성능 향상이 매우 낮은 것으로 확인되었다. 또한, 앵커-프리 탐지기에서 사용되는 중심성(Centerness) 기반 박스 선택 및 위치 기반 레이블링 기법이 반감독 설정에서는 잘 작동하지 않는다는 점을 관찰하였다. 반면, 본 연구에서 제안하는 Listen2Student 메커니즘은 경계상자 회귀 학습 과정에서 오도하는 의사 레이블의 발생을 명시적으로 방지한다. 이를 위해 교사(Teacher)와 학생(Student)의 상대적 불확실성에 기반한 새로운 의사 레이블 선택 메커니즘을 특별히 개발하였다. 이 아이디어는 반감독 설정에서 회귀 브랜치의 성능 향상에 유리한 기여를 한다. 본 연구에서 제안한 방법은 앵커-프리 및 앵커-베이스 기법 모두에 적용 가능하며, VOC, COCO-standard, COCO-additional 등 다양한 벤치마크에서 최신 기술 대비 일관되게 우수한 성능을 보였다.