Cut and Learn for Unsupervised Object Detection and Instance Segmentation 비지도 객체 검출 및 인스턴스 분할을 위한 Cut and Learn

우리는 감독 없이 객체 검출 및 분할 모델을 훈련시키기 위한 간단한 접근 방식인 Cut-and-LEaRn (CutLER)를 제안합니다. Self-supervised 모델의 특성을 활용하여 감독 없이 객체를 '발견'하는 능력을 강화하여, 어떠한 인간 라벨도 사용하지 않고 최신 수준의 위치 추정 모델을 훈련시킵니다. CutLER는 먼저 제안된 MaskCut 접근 방식을 사용하여 이미지 내 여러 객체에 대한 대략적인 마스크를 생성하고, 그 다음으로 우리의 견고한 손실 함수를 사용하여 이러한 마스크에서 검출기를 학습합니다. 우리는 또한 모델의 예측을 통해 자가 훈련(self-training)을 수행하여 성능을 더욱 개선합니다. 기존 연구와 비교했을 때, CutLER는 더 간단하며 다양한 검출 아키텍처와 호환되며 여러 객체를 검출할 수 있습니다. CutLER는 또한 zero-shot 감독 없는 검출기로, 비디오 프레임, 회화, 스케치 등 다양한 도메인에서 11개 벤치마크에서 AP50 성능을 2.7배 이상 향상시킵니다. 미세 조정(finetuning) 후, CutLER는 COCO 데이터셋에서 5% 라벨만으로 훈련할 때 MoCo-v2보다 APbox에서 7.3%, APmask에서 6.6% 높은 성능을 보이는 저 샷(low-shot) 검출기로 작동합니다.