약지도 객체 위치추정(WSOL)은 이미지 수준 라벨만으로 위치추정 모델을 학습할 수 있다는 기대 때문에 최근 수년 동안 인기를 얻고 있다. 분류 활성화 맵(class activation mapping, CAM)에 관한 선구적 WSOL 연구 이후, 이 분야는 관심 영역을 더 넓게 확장하여 객체를 더 잘 국소화(localize)하는 방법에 주목해 왔다. 그러나 이러한 전략들은 하이퍼파라미터 검증 및 모델 선택을 위해 전(全) 위치추정 감독(full localization supervision)에 의존하며, 이는 원칙적으로 WSOL 설정 하에서는 허용되지 않는다. 본 논문에서는 이미지 수준 라벨만으로는 WSOL 과제가 본질적으로 잘 정해지지 않았다고 주장하며, 전 감독은 테스트 세트와 겹치지 않는 소규모의 홀드아웃 집합에만 제한되는 새로운 평가 프로토콜을 제안한다. 우리의 프로토콜 하에서, 최근 5개의 WSOL 방법이 CAM 기준선(baseline) 대비 큰 수준의 개선을 이루지 못했음을 관찰하였다. 또한 기존 WSOL 방법이 몇-shot 학습(few-shot learning) 기준선에도 도달하지 못했음을 보고하는데, 이 기준선에서는 검증 시점의 전 감독을 모델 학습에 사용한다. 이러한 발견에 근거하여 WSOL의 향후 연구 방향에 대해 논의한다. 소스 코드와 데이터셋은 https://github.com/clovaai/wsolevaluation https://github.com/clovaai/wsolevaluation 에서 이용 가능하다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.