지역 수준에서 표현 구별하기
의미 분할의 각 위치를 구별하려면 비슷하게 보이는 다른 범주를 가르는 특징이 필요하다. ReCo는 지역 수준에서 대조 학습을 수행해 분할 학습을 보완하는 틀이다. 영상 전체의 범주 표현만 학습하는 문제와 다르다.
어려운 음성 표본의 활용
희소한 어려운 음성 픽셀을 이용해 픽셀 수준 대조 학습을 수행한다. 모든 픽셀 쌍을 같은 방식으로 비교하는 대신 학습에 유용한 구별을 중심으로 한다. 추가 메모리 부담을 작게 유지하려는 설계다.
기존 분할망과의 연결
이미 있는 분할망 위에 구성할 수 있으며 지도 학습과 반지도 학습에서 평가된다. 주석이 매우 적은 조건의 학습 효과도 살핀다. 적은 주석의 시험 결과를 모든 데이터 분포에 대한 주석 요구량으로 일반화해서는 안 된다.
어려운 음성의 독립 예
설명용으로 회색 도로와 회색 보도는 색만 보면 비슷하지만 범주는 다르다. 서로 다른 이런 픽셀의 특징을 구분하는 학습이 필요할 수 있다. 실제 연구의 표본을 옮기지 않은 외형 유사성과 의미 차이의 예다.
관련 문서
대조 학습 / 의미 분할 / U2PL / CPS 반지도 분할 / ClassMix / SemiVL