개별 객체의 구분
같은 범주의 객체라도 인스턴스 분할에서는 각각 다른 마스크로 나누어야 한다. 이미지마다 객체 수가 달라 이 구분을 일정한 예측 구조로 다루는 일이 어렵다.
위치에 따른 범주
SOLO는 인스턴스 범주라는 표현을 도입했다. 객체의 위치와 크기에 따라 그 안의 픽셀에 범주를 부여해 마스크를 분류 문제로 다루도록 구성한다.
두 분류 과제
이 관점에서 인스턴스 분할을 두 가지 분류 작업으로 나눈다. 객체를 먼저 검출한 뒤 영역을 분할하거나 픽셀을 군집화하는 방식과 다른 표현을 제안한 것이다.
기준 방법과의 비교
Mask R-CNN과 단일 단계 인스턴스 분할 방법들을 기준으로 정확도를 비교했다. 연구는 위치를 이용하는 직접적인 표현이 개별 객체 인식의 기준 구성이 될 수 있는지 조사했다.
관련 문서
CondInst / PointRend / Hybrid Task Cascade / Mask Scoring R-CNN / LVIS / FCOS