상자 안의 마스크 학습
상자 주석은 객체의 범위를 알려주지만 정확한 윤곽을 제공하지는 않는다. Box2Mask는 전통적인 레벨 집합 모형을 심층 학습과 연결해 이 범위 안의 마스크를 추정한다.
영상과 특징의 활용
입력 영상과 심층 특징을 함께 사용해 레벨 집합 곡선을 암묵적으로 변화시킨다. 픽셀 친화도 커널 기반의 국소 일관성 모듈로 문맥과 공간 관계를 활용한다.
세 가지 구성
인스턴스를 고려한 디코더, 상자 수준 대응 할당, 레벨 집합 진화가 핵심 구성이다. 에너지 함수를 최소화하면서 객체별 마스크 지도를 상자 내부에서 반복 최적화한다.
구조와 평가 자료
CNN 기반과 트랜스포머 기반의 단일 단계 구성을 개발했다. 일반 장면과 원격 탐사, 의료 및 장면 텍스트 영상을 포함하는 다섯 평가 환경에서 방법을 조사했다.