분류 표현과 조밀 표현의 차이
영상 전체를 하나의 범주로 요약하는 사전 학습은 위치별 예측이 필요한 과제에 최적이 아닐 수 있다. DenseCL은 픽셀 또는 지역 특징 수준에서 직접 자기 지도 학습을 수행하도록 설계한다.
두 뷰 사이의 지역 대응
입력 영상에서 만든 두 뷰의 지역 특징 대응을 고려하고 픽셀 수준의 쌍별 대조 유사도 및 비유사도 손실을 최적화한다. 전체 영상 두 개를 한 쌍으로만 다루는 방식보다 지역 표현의 관계에 초점을 둔다.
전이 평가의 의미
사전 학습 표현을 물체 검출과 의미 분할, 인스턴스 분할 같은 후속 조밀 예측 과제로 옮겨 평가한다. 사전 학습에 의미 주석을 쓰지 않는다는 사실과 후속 과제의 감독 조건은 따로 확인해야 한다.
대응의 독립 예
설명용으로 두 크롭에서 같은 창문 부분은 위치가 달라도 대응할 수 있다. 반대로 영상의 같은 상대 좌표가 서로 다른 물체를 가리킬 수도 있다. 실제 연구 그림을 옮기지 않은 좌표 일치와 특징 대응의 차이다.
관련 문서
대조 학습 / 자기 지도 학습 / ReCo 분할 학습 / 이미지 간 픽셀 대조 / 의미 분할 / PixPro