객체별 조건의 사용
일반적인 영역 기반 방식은 객체마다 관심 영역을 잘라 같은 마스크 신경망에 입력한다. CondInst는 예측할 객체에 따라 달라지는 동적 신경망을 이용하는 방향을 제안했다.
영역 자르기의 제거
완전 합성곱 구조로 인스턴스 분할을 해결해 관심 영역을 자르거나 특징을 정렬하는 연산이 필요하지 않도록 한다. 객체별 조건은 마스크 예측 구성에 반영된다.
작은 마스크 헤드
동적으로 생성한 조건부 합성곱을 이용해 마스크 헤드를 작게 구성할 수 있다. 논문은 각 층의 채널이 8개인 합성곱 세 층 구성을 예로 제시했다.
분할 성능의 평가
COCO에서 조정된 Mask R-CNN 기준을 포함한 방법들과 비교했다. 더 긴 학습 일정에 의존하지 않는 조건에서 정확도와 추론 속도를 함께 평가했다.
관련 문서
SOLO 인스턴스 분할 / PointRend / Hybrid Task Cascade / Mask Scoring R-CNN / FCOS / LVIS