Light-Weight Semantic Segmentation via Multi-Scale Context Decoding
연구 내용
다중스케일 문맥을 convolutional cross-attention 및 successive cross-attention으로 디코딩하여 연산 효율과 semantic segmentation 정확도를 동시에 개선하는 연구
영상 semantic segmentation에서 객체 크기와 장면 문맥이 서로 다른 스케일로 나타나는 문제를 해결하기 위해, convolutional cross-attention 구조를 활용한 멀티레벨 디코딩을 수행합니다. 다양한 커널 크기의 convolution 연산으로 로컬·글로벌 컨텍스트를 함께 수집하고, attention allocation 관점에서 여러 단계의 정보를 successive하게 결합하여 컨텍스트 일관성을 유지합니다. 이를 통해 feature map이 서로 다른 크기의 객체 간 관계를 효과적으로 학습하도록 설계하며, 경량화 관점에서 계산량을 줄이면서도 분할 성능을 보전하는 차별성을 갖습니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
2건
연구 흐름
초기에는 hierarchical vision transformer 기반 멀티스케일 인코더에서 추출한 multi-level feature를 효율적으로 집계하는 decoding scheme을 정리하고, successive cross-attention으로 단계 간 문맥 결합을 안정화하는 방향으로 연구를 진행했습니다. 이후에는 convolutional cross-attention을 중심으로 cross-attention의 구조적 제약을 완화하면서 로컬·글로벌 문맥을 동시에 활용하도록 확장했습니다. 최근에는 경량 semantic segmentation에서 연산량 대비 성능을 유지하는 설계 관점을 강화하고, 다양한 데이터셋의 분할 벤치마크를 대상으로 성능과 효율을 함께 검증하는 흐름으로 발전했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
CCASeg: Decoding Multi-Scale Context with Convolutional Cross-Attention for Semantic Segmentation
A Decoding Scheme With Successive Aggregation of Multi-Level Features For Light-Weight Semantic Segmentation
관련 프로젝트
구분
제목
딥러닝 기반의 블랙 아이스 검지가 가능한 노면 상태 감지 기술 개발
스마트 도로조명 활용 도시재난안전관리 연계 기술 개발