문맥에 의존한 분류
분류기는 객체 자체뿐 아니라 자주 함께 보이는 주변 정보로도 정답을 맞힐 수 있다. 이 경우 활성화 지도에서 서로 다른 객체나 배경의 경계를 구분하기 어려워질 수 있다.
인과 관계의 표현
연구는 이미지, 문맥, 범주 레이블 사이의 관계를 구조적 인과 모형으로 분석했다. 의사 마스크의 모호한 경계를 문맥의 교란 효과와 연결해 설명한다.
문맥 조정의 활용
CONTA는 이미지 수준 분류에서 교란 편향을 줄이도록 설계했다. 이렇게 얻은 더 나은 의사 마스크를 후속 분할 모델의 학습에 사용한다.
기존 방법의 보완
PASCAL VOC 2012와 MS COCO에서 여러 약한 감독 의미 분할 방법에 적용했다. 새로운 픽셀 주석을 추가하기보다 문맥 조정이 기존 방법의 마스크 품질에 미치는 효과를 조사했다.
관련 문서
CIAN / CLIMS / EPS 약한 감독 분할 / ReCAM / SEAM / AffinityNet