#629
summarized by : Hideki Tsunashima
Decoders Matter for Semantic Segmentation: Data-Dependent Decoding Enables Flexible Feature Aggregation

どんな論文か?

セマンティックセグメンテーションにおいて、bilinear upsamplingに代わる新たなData-dependent Upsampling(DUpsampling)を提案し、SOTAを達成。 bilinearのようにエンコード時にダウンサンプリングの位置を保持する必要がなく、メモリコストを削減し、アップサンプリング時の畳み込み層も減少させることでDeepLabV3+より30%計算量を削減。
placeholder

新規性

新たなupsampling手法のDUpsamplingを提案した点。

結果

PASCAL VOC, PASCAL Context, CityscapesにおいてSOTAを達成し、旧SOTA手法であるDeepLabV3+より計算量を30%削減。

その他(なぜ通ったか?等)

bilinear upsamplingはエンコード時にdownsamplingの位置を記録しておく必要があり、メモリコスト的に無駄が大きかったが、本手法ではメモリコスト削減に寄与し、デコード時の畳み込み層を減らすことで計算量も削減し、さらにセグメンテーションのスコアでもSOTAを達成するという大きな貢献を達成したため、通ったと考えられる。