GCA-SUNet: 예제가 없는 카운팅을 위한 게이트된 컨텍스트 인식 Swin-UNet

Exemplar-Free Counting는 객체 또는 예시의 집약적인 주석 없이 관심 있는 객체를 세는 것을 목표로 합니다. 이를 달성하기 위해, 우리는 입력 이미지를 직접 카운팅 가능한 객체의 밀도 맵으로 매핑하는 Gated Context-Aware Swin-UNet (GCA-SUNet)을 제안합니다. 구체적으로, Swin 변환기의 집합이 인코더를 형성하여 강건한 특징 표현을 도출하고, Gated Context-Aware Modulation 블록은 게이트 메커니즘을 통해 관련 없는 객체나 배경을 억제하고, 자기 유사성 행렬(self-similarity matrix)을 통해 관심 객체의 주의력을 활용하도록 설계되었습니다. 게이트 전략은 Swin-UNet의 병목 네트워크(bottleneck network)와 디코더에도 통합되어 관심 객체와 가장 관련성이 높은 특징들을 강조합니다. 카운팅 가능한 객체들 사이에서 주의력을 명시적으로 활용하고, 게이트 메커니즘을 통해 관련 없는 특징들을 제거함으로써, 제안된 GCA-SUNet은 사전 정의된 범주나 예시에 의존하지 않고 관심 객체에 초점을 맞추어 이를 세는 것이 가능합니다. FSC-147 및 CARPK와 같은 실제 데이터셋에서 수행한 실험 결과는 GCA-SUNet이 최신 기법들보다 상당히 그리고 일관되게 우수한 성능을 보임을 입증하였습니다. 코드는 https://github.com/Amordia/GCA-SUNet에서 제공됩니다.