지역 상호작용 이미지 세그멘테이션 네트워크

상호작용형 이미지 세분화 모델은 사용자가 만족스러운 결과가 나올 때까지 반복적으로 새로운 입력을 추가하여 결과를 개선할 수 있도록 허용한다. 따라서 이상적인 상호작용 세분화 모델은 최소한의 상호작용으로 사용자의 의도를 효과적으로 포착할 수 있어야 한다. 그러나 기존의 모델들은 세분화 개선 과정에서 사용자 입력 정보의 귀중한 가치를 충분히 활용하지 못해 만족스럽지 않은 사용자 경험을 제공한다. 사용자가 제공한 정보를 최대한 활용하기 위해, 우리는 지역적 세부 정보를 포착할 수 있도록 주어진 입력의 시야 범위를 확장하는 새로운 딥 프레임워크인 Regional Interactive Segmentation Network(RIS-Net)을 제안한다. 이 모델은 각 입력 주변의 지역적 정보를 포착하여 국소적 세분화를 정교화한다. 또한 RIS-Net은 다중 해상도의 전역적 문맥 정보를 활용하여 각 국소 영역의 특징 표현을 향상시킨다. 더불어, 클릭 할인 요소(Click Discount Factors)를 도입하여 보다 효과적인 엔드투엔드 학습을 위한 새로운 최적화 전략을 제안한다. 네 가지 도전적인 데이터셋에 대한 포괄적인 평가를 통해 제안하는 RIS-Net이 기존 최첨단 기법들에 비해 뛰어난 성능을 보임을 명확히 입증하였다.