초록
최근 주목할 만한 객체 탐지(Salient Object Detection) 분야의 진전은 전결합 신경망(Fully Convolutional Neural Network, FCN)의 발전에서 큰 도움을 받았다. 다수의 레벨에서 추출된 합성곱 특징들에는 서로 보완적인 주목성 정보가 포함되어 있어, 주목할 만한 객체를 효과적으로 탐지하는 데 기여한다. 그러나 다중 레벨 특징을 어떻게 통합할 것인지에 대한 문제는 여전히 개방된 과제로 남아 있다. 본 논문에서는 다중 레벨 특징을 통합하여 주목성 객체 탐지 성능을 향상시키기 위해 새로운 양방향 메시지 전달 모델을 제안한다. 먼저, 다중 해상도의 컨텍스트 인식 특징 추출 모듈(Multi-scale Context-aware Feature Extraction Module, MCFEM)을 도입하여 다양한 레벨의 특징 맵에서 풍부한 컨텍스트 정보를 포착한다. 이후, 다중 레벨 특징 간에 양방향으로 메시지를 전달할 수 있는 구조를 설계하고, 메시지 전달 속도를 제어하기 위해 게이트 함수(Gate Function)를 활용한다. 메시지 전달을 거친 특징은 의미 정보와 공간적 세부 정보를 동시에 인코딩하고, 이를 바탕으로 주목성 맵을 예측한다. 마지막으로, 예측된 결과를 효율적으로 결합하여 최종 주목성 맵을 생성한다. 다섯 개의 벤치마크 데이터셋에서 수행한 정량적 및 정성적 실험 결과에 따르면, 제안한 모델은 다양한 평가 지표에서 최신 기술(SOTA) 방법들과 비교하여 우수한 성능을 보였다.