KDAS: Polyp Segmentation을 위한 주의 감독 프레임워크를 통한 지식 증류

의료 영상에서 다소 논란이 되는 폴립 분할 문제에 대해 많은 방법들이 제안되어 왔습니다. 이들 방법은 분할 마스크의 품질 개선을 목표로 하고 있습니다. 현재 최신 기술들은 뛰어난 결과를 내고 있지만, 이러한 모델들의 크기와 계산 비용이 실용적인 산업 응용에 어려움을 초래하고 있습니다. 이 문제를 해결하기 위해, 우리는 주의 감독(attention supervision)을 통합한 지식 증류(Knowledge Distillation) 프레임워크인 KDAS와 우리가 제안한 대칭 가이딩 모듈(Symmetrical Guiding Module)을 소개합니다. 이 프레임워크는 파라미터가 적은 컴팩트한 학생 모델(student model)을 지원하도록 설계되어 있으며, 대칭 가이딩 모듈을 통해 교사 모델(teacher model)과 학생 모델 간의 특성 불일치를 완화하고 교사 모델의 강점을 학습할 수 있도록 합니다. 광범위한 실험을 통해 우리의 컴팩트한 모델들은 최신 기법들과 경쟁력 있는 결과를 달성하며, 폴립 분할 및 의료 영상 분야에서 고정확도의 컴팩트한 모델 생성에 대한 유망한 접근 방식을 제공합니다. 본 구현은 https://github.com/huyquoctrinh/KDAS에서 확인 가능합니다.