두 가지 병렬 예측
한 갈래는 이미지의 원형 마스크 집합을 생성하고 다른 갈래는 인스턴스마다 마스크 계수를 예측한다. 개별 객체의 마스크는 이 두 결과를 결합해 만든다.
선형 결합의 구성
객체별 계수로 원형 마스크를 가중해 더하면 해당 인스턴스의 마스크가 된다. 이 과정이 영역별 재풀링에 의존하지 않도록 구성한 점이 특징이다.
원형 마스크의 학습
연구는 원형 마스크가 학습 과정에서 객체 위치를 스스로 나타내는 현상을 분석했다. 완전 합성곱 구조에서도 위치 변화에 따른 표현을 얻을 수 있음을 조사했다.
속도와 후처리
MS COCO에서 정확도와 추론 속도를 함께 평가했다. 중복 검출 후처리를 위한 Fast NMS도 제시했으며, 속도와 정확도의 절충을 포함해 분석했다.
관련 문서
SOLO 인스턴스 분할 / CondInst / TensorMask / PointRend / Mask Scoring R-CNN / Soft-NMS