긴 꼬리 인스턴스 세그멘테이션을 위한 굼벨 최적화 손실 함수

최근 객체 탐지 및 세그멘테이션 분야에서 중요한 진전이 이루어졌지만, 희귀 카테고리에 대해서는 최신 기법들이 탐지에 실패하는 문제가 발생하여 희귀 카테고리와 흔한 카테고리 간에 큰 성능 격차가 발생하고 있다. 본 논문에서는 딥 탐지기에서 사용되는 시그모이드(Sigmoid) 또는 소프트맥스(Softmax) 함수가 희귀 카테고리 탐지 성능 저하의 주요 원인임을 규명하였으며, 이는 긴 꼬리(long-tailed) 탐지 및 세그멘테이션 상황에서 최적의 선택이 아님을 지적한다. 이를 해결하기 위해, 불균형 데이터셋에서 희귀 클래스의 확률 분포가 과거에 예상되는 확률이 낮다는 점을 고려하여, Gumbel 분포와 일치하는 Gumbel 최적화 손실(Gumbel Optimized Loss, GOL)을 제안한다. 제안된 GOL은 LVIS 데이터셋에서 최고의 기존 방법 대비 AP(평균 정밀도)에서 1.1% 향상시키며, 전반적인 세그멘테이션 성능은 9.0% 향상되고 탐지 성능은 8.0% 향상된다. 특히 Mask-RCNN 대비 희귀 카테고리 탐지 성능은 20.3% 향상되어, 긴 꼬리 탐지 및 세그멘테이션 문제 해결에 있어 중요한 기여를 한다. 코드는 다음 링크에서 제공된다: https://github.com/kostas1515/GOL