오차 주의는 오차 일치를 의미한다! 객체 탐지기 적응을 위한 잔차 자기주의적 특징 일치

적응형 객체 탐지 기술의 발전은 자율 주행과 같은 응용 분야에서 엄청난 성능 향상을 가져올 수 있으며, 이는 탐지 파이프라인 전반에 걸친 분포 변화 문제를 완화하기 때문이다. 기존 연구들은 전역 및 국소 수준의 이미지 특징을 정합화하기 위해 적대적 학습을 활용해 왔지만, 개체별 비일관성은 여전히 지속된다. 또한 배경 장면의 시각적 다양성과 객체 간 복잡한 조합으로 인해 적응형 객체 탐지의 도전 과제는 여전히 존재한다. 구조적 중요성에 착안하여, 우리는 개체별로 두드러진 영역에 주목함으로써 특징의 비일치 문제를 극복하고자 한다. 본 논문에서는 적응형 객체 탐지를 위한 새로운 ResIduaL seLf-attentive featUre alignMEnt (ILLUME) 방법을 제안한다. ILLUME는 객체 관련 영역에 대한 구조적 주의를 강화함으로써 도메인 불변 특징을 생성하는 Self-Attention Feature Map (SAFM) 모듈로 구성된다. 제안한 방법은 개체의 특징 정합화를 개선함으로써 도메인 간 거리를 크게 감소시킨다. 정성적 결과는 ILLUME가 정합화에 필요한 중요한 객체 인스턴스에 주목할 수 있음을 보여주며, 다양한 벤치마크 데이터셋에서의 실험 결과는 기존 최첨단 기법들을 상회함을 입증한다.