활성화 지도의 한계
이미지 수준의 레이블로 학습한 클래스 활성화 지도는 전체 객체 마스크와 다를 수 있다. SEAM은 추가적인 픽셀 주석 대신 입력 변환에서 얻는 자기 감독을 이용한다.
변환에 대한 일관성
픽셀 정답이 있는 분할에서는 이미지를 공간 변환하면 정답도 같은 방식으로 바뀐다. SEAM은 여러 변환 영상의 활성화 지도에 일관성 정규화를 적용해 이런 제약을 학습에 반영한다.
이웃 픽셀의 보완
픽셀 상관 모듈은 문맥의 외형 정보를 이용한다. 비슷한 이웃의 정보를 활용해 현재 픽셀의 예측을 정제하고 활성화 지도의 일관성을 개선하려 한다.
의미 분할의 평가
PASCAL VOC 2012에서 같은 수준의 감독 정보를 사용하는 방법들과 비교했다. 변환 일관성과 픽셀 관계가 약한 감독 조건에서 마스크 추정에 미치는 효과를 조사했다.
관련 문서
Puzzle-CAM / AffinityNet / IRNet 약한 감독 분할 / SEC 약한 감독 분할 / ScribbleSup / BoxSup