- …
- …
#233
summarized by : Ryuta Shitomi
どんな論文か?
Panoptic Segmentationにおいて、インスタンスレベル(foreground: FG)とバックグラウンド(background: BG)のセグメンテーションブランチを統合する手法を提案("Attention-guided Unified Network")。手法では、バックボーンネットワークを共有するため、効率性と精度が向上した。
新規性
オブジェクトレベルとピクセルレベルの2つのattentionモジュールを提案。オブジェクトレベル(Proposal Attention Module: PAM)で、インスタンスの物体領域をはっきりさせる。ピクセルレベル(Mask Attention Module: MAM)で、バックグラウンドのマスクを生成し、インスタンスとバックグラウンドの領域をはっきりさせる。これにより、精度が向上。
結果
MS-COCOとCityScapesデータセットで実験。評価指標には、panoptic quality(PQ)を使用。MS-COCOでPQ=46.5%、CityScapesでPQ=59.0を達成。
その他(なぜ通ったか?等)
- …
- …