분류와 분할의 간극
이미지 범주 레이블만으로 만든 클래스 활성화 지도는 완전한 픽셀 마스크와 차이가 있다. PPC는 픽셀 수준의 학습 신호를 제공해 이 감독 차이를 줄이려 한다.
다른 관점의 일관성
같은 이미지에서 얻은 서로 다른 관점 사이에 특징의 의미가 일관되도록 정규화한다. 한 관점 안에서도 대조를 수행해 특징 공간의 구조를 조절한다.
범주별 특징의 구조
같은 범주의 특징은 모이게 하고 다른 범주는 떨어지도록 유도한다. 픽셀과 원형 표현의 관계를 이용해 객체 영역을 더 완전하고 정밀하게 나타내려는 구성이다.
기존 방법의 보완
기반 신경망을 바꾸지 않고 기존 약한 감독 분할 방법에 결합하도록 제안했다. SEAM과 EPS를 기준으로 초기 시드와 최종 분할 결과의 변화를 평가했다.
관련 문서
RCA 약한 감독 분할 / SEAM / EPS 약한 감독 분할 / ToCo / AffinityNet / CIAN