드로잉에서 얼굴 및 몸체 검출을 위한 영역 적응형 자기 지도 사전 학습

그림은 시각적 추상화와 의사소통의 강력한 수단입니다. 컴퓨터 비전과 컴퓨터 그래픽스 분야에서는 디지털 아트, 만화, 코믹스를 포함한 다양한 형태의 그림을 이해하는 것이 주요 관심사였습니다. 만화책과 애니메이션에서 많은 양의 디지털화된 그림들이 존재하지만, 이들은 방대한 스타일적 변동성을 가지고 있어 도메인 특화 인식기 훈련을 위해 비용이 많이 드는 수작업 라벨링이 필요합니다. 본 연구에서는 수정된 학생 네트워크 업데이트 설계를 기반으로 한 교사-학생 네트워크를 활용하여 자가 감독 학습(self-supervised learning) 방법을 통해 얼굴 및 몸체 검출기를 구축하는 방법을 보여줍니다. 우리의 설정은 라벨이 제공되는 소수의 데이터만 있을 때 대상 도메인에서 많은 양의 비라벨 데이터를 활용할 수 있게 합니다. 또한 스타일 전환(style transfer)을 학습 파이프라인에 통합하여 자연 이미지(즉, 실제 세계의 이미지)에서 많은 양의 외부 도메인 라벨 이미지를 사용하여 검출기를 부스트업할 수 있음을 보여줍니다. 우리의 결합된 아키텍처는 최소한의 주석 작업으로 최고 성능(state-of-the-art, SOTA) 및 준최고 성능(near-SOTA)을 달성하는 검출기를 생성합니다. 우리의 코드는 https://github.com/barisbatuhan/DASS_Detector에서 확인할 수 있습니다.