영역 묶기를 명시적으로
픽셀 표지에 따라 영역을 암묵적으로 형성하는 대신 신경망 안에 묶음 기제를 넣는다. 의미 분할의 인식과 영역 구성이라는 두 요소를 함께 다루려는 접근이다.
더 큰 임의 형태의 영역
정해진 격자의 표현에서 나아가 영상 영역을 점차 큰 임의 형태의 구역으로 묶는다. 계층적 구조가 여러 단계의 의미 영역 형성을 지원한다.
텍스트 인코더와 공동 학습
큰 규모의 영상 텍스트 자료에서 텍스트 인코더와 함께 대조 손실로 학습한다. 픽셀 단위 정답은 쓰지 않지만 텍스트 감독을 사용하므로 모든 감독이 없는 학습은 아니다.
제로샷 분할
학습한 의미 영역을 PASCAL VOC 2012와 PASCAL Context의 분할로 전이해 평가했다. 여기서 제로샷은 분할 과제에 추가 미세 조정을 하지 않는다는 조건을 가리킨다.