정중한 교사: 상호 학습과 의사 라벨 임계값을 이용한 반지도 인스턴스 분할

우리는 반감독 인스턴스 분할 작업을 위한 간단하면서도 효과적인 방법인 'Polite Teacher'를 제시합니다. 제안된 아키텍처는 교사-학생 상호 학습 프레임워크에 기반하고 있습니다. 노이즈가 포함된 의사 라벨(pseudo-labels)을 필터링하기 위해, 우리는 바운딩 박스에 대한 신뢰도 임계값(confidence thresholding)과 마스크 점수(mask scoring)를 사용합니다. 이 접근법은 단일 스테이지 앵커 없는 검출기인 CenterMask를 통해 테스트되었습니다. COCO 2017 검증 데이터셋에서 테스트한 결과, 우리 아키텍처는 다양한 감독 체제에서 베이스라인보다 크게 (마스크 AP에서 약 +8 pp.) 우수한 성능을 보였습니다. 최선의 지식으로 판단할 때, 이 연구는 반감독 인스턴스 분할 문제를 다루는 최초의 연구 중 하나이며, 앵커 없는 검출기에 초점을 맞춘 첫 번째 연구입니다.