스파스 Semi-DETR: 반감지 객체 탐지를 위한 스파스 가변 쿼리

본 논문에서는 DETR 기반의 반감독 객체 탐지(SSOD) 프레임워크의 한계, 특히 객체 쿼리의 품질에 의해 초래되는 문제에 초점을 맞추어 논의한다. DETR 기반 SSOD에서는 일대일 할당 전략이 정확하지 않은 의사 레이블을 생성하는 반면, 일대다 할당 전략은 예측의 중첩을 초래한다. 이러한 문제들은 학습 효율성을 저하시키고, 특히 소형 또는 부분적으로 가려진 객체 탐지에서 모델 성능을 저해한다. 이를 극복하기 위해 우리는 새로운 트랜스포머 기반의 엔드투엔드 반감독 객체 탐지 방법인 Sparse Semi-DETR를 제안한다. Sparse Semi-DETR는 객체 쿼리의 품질을 향상시키기 위해 쿼리 개선 모듈(Query Refinement Module)을 도입하여 소형 및 부분적으로 가려진 객체에 대한 탐지 능력을 크게 향상시킨다. 또한, 신뢰할 수 있는 의사 레이블을 선택적으로 필터링하는 신뢰성 있는 의사 레이블 필터링 모듈(Reliable Pseudo-Label Filtering Module)을 통합함으로써 탐지 정확도와 일관성을 향상시킨다. MS-COCO 및 Pascal VOC 객체 탐지 벤치마크에서 Sparse Semi-DETR는 기존 최고 성능 기법들을 상회하는 의미 있는 성능 향상을 보였으며, 이는 특히 소형 또는 부분적으로 가려진 객체를 포함한 도전적인 상황에서 반감독 객체 탐지에 있어 Sparse Semi-DETR의 효과성을 입증한다.