극좌표의 마스크 표현
인스턴스 분할을 객체 중심을 찾는 문제와 극좌표에서 거리를 예측하는 문제로 구성한다. 객체의 영역을 중심과 거리라는 표현으로 다루는 접근이다.
중심 예시의 선택
중심 예시의 품질은 마스크 예측에 영향을 줄 수 있다. 논문은 좋은 중심 예시를 표본으로 선택하는 구성을 제시해 이 문제를 다룬다.
거리 회귀의 학습
밀집 거리 회귀를 최적화하는 방법도 함께 설계했다. 중심 표본 선택과 회귀 학습을 조정해 분할 성능과 학습 절차를 개선하려는 구성이다.
검출 방식과의 결합
마스크 예측 모듈로 기존 검출 방법에 결합할 수 있도록 제안했다. COCO에서 단일 모델과 단일 크기의 학습 및 평가 조건으로 결과를 확인했다.
관련 문서
BlendMask / CondInst / SOLO 인스턴스 분할 / YOLACT / RepPoints / FCOS