UniParser: 통합 상관 관계 표현 학습을 이용한 다중 인물 해석

다중 인간 분석(Multi-human parsing)은 인스턴스 수준과 세부 범주 수준의 정보가 필요한 이미지 분할 작업입니다. 그러나 이전 연구에서는 이러한 두 가지 유형의 정보를 별도의 브랜치와 서로 다른 출력 형식을 통해 처리하는 것이 일반적이었으며, 이로 인해 비효율적이고 중복된 프레임워크가 만들어졌습니다. 본 논문에서는 UniParser를 소개합니다. UniParser는 인스턴스 수준과 범주 수준의 표현을 세 가지 핵심 측면에서 통합합니다: 1) 통합된 상관 관계 표현 학습 방법을 제안하여, 네트워크가 코사인 공간 내에서 인스턴스와 범주 특성을 학습할 수 있도록 합니다; 2) 각 모듈의 출력 형태를 픽셀 단위 분할 결과로 통일하며, 동질적인 라벨과 보조 손실 함수를 사용하여 인스턴스와 범주 특성을 감독합니다; 3) 인스턴스와 범주 표현을 융합하기 위한 공동 최적화 절차를 설계합니다. 인스턴스 수준과 범주 수준의 출력을 통합함으로써, UniParser는 수작업으로 설계된 후처리 기술을 회피하고 최신 방법론들을 능가하여 MHPv2.0에서 49.3% AP, CIHP에서 60.4% AP를 달성했습니다. 우리는 향후 연구를 지원하기 위해 소스 코드, 사전 훈련된 모델, 그리고 온라인 데모를 공개할 예정입니다.