불확실한 픽셀을 버리지 않기
확신이 높은 픽셀만 의사 정답으로 쓰면 미주석 이미지의 많은 픽셀이 학습에서 제외될 수 있다. U2PL은 예측이 모호한 픽셀도 학습 정보가 될 수 있다는 관점에서 출발한다.
정답을 몰라도 배제할 범주 찾기
상위 범주 사이에서 혼동하더라도 남은 일부 범주에 속할 가능성은 낮을 수 있다. 이런 픽셀을 가능성이 매우 낮은 범주의 음성 표본으로 취급한다. 가장 가능성 낮은 범주를 정답으로 학습하는 뜻은 아니다.
신뢰도와 표본 큐
예측 엔트로피로 신뢰 가능한 픽셀과 어려운 픽셀을 구분하고, 어려운 픽셀을 범주별 음성 표본 큐에 넣는다. 학습이 진행되며 예측이 변하므로 분리 임계값도 적응적으로 조정한다.
부분적 정보의 독립 예
설명용으로 한 픽셀이 버스와 트럭 사이에서 모호해도 하늘일 가능성은 낮다고 예측할 수 있다. 범주를 확정하는 감독과 특정 범주를 배제하는 감독은 다르다. 실제 연구 예측값을 옮기지 않은 음성 학습의 예다.
관련 문서
CPS 반지도 분할 / UniMatch 반지도 분할 / ClassMix / 반지도 학습 / 의미 분할 / CRST