초록
인터랙티브 인스턴스 세그멘테이션에서는 사용자가 반복적으로 피드백을 제공하여 세그멘테이션 마스크를 정교화한다. 사용자가 제공한 클릭은 관심 객체의 위치에 대한 네트워크에 필요한 단서를 제공하는 가이던스 맵으로 변환된다. 기존 시스템에서 사용되는 가이던스 맵은 순수하게 거리 기반으로 구성되어 있어 과도하게 국소적이거나 정보가 부족한 경향이 있다. 본 연구에서는 이미지 내에 존재하는 계층적 구조적 정보를 활용하여 사용자 클릭을 새로운 방식으로 변환함으로써 콘텐츠 인지형 가이던스 맵을 생성하는 방법을 제안한다. 제안된 가이던스 맵을 사용할 경우, 가장 기본적인 FCN(Fully Convolutional Network)조차도 대규모 세그멘테이션 데이터셋에서 사전 훈련된 최첨단 세그멘테이션 네트워크를 필요로 하는 기존 방법들을 능가하는 성능을 달성할 수 있다. 다양한 실험을 통해 제안된 변환 전략의 효과를 입증하였으며, 네 가지 표준 인터랙티브 세그멘테이션 벤치마크에서 기존 최고 수준의 성능을 크게 향상시켰다.