背景フリー物体性学習によるクラス非依存検出

B-FOR (Background-Free Objectness Learning) は、クラス非依存の物体検出 (class-agnostic detection) のための新しいフレームワークである。従来の検出器は閉集合の教師信号で訓練され、未ラベルの領域を暗黙的に背景として扱うため、不完全なアノテーション下では物体性バイアスが生じる。B-FOR は、未ラベル領域に対する明示的な背景教師信号を用いずに、物体性 (objectness) を学習する。具体的には、密なマルチスケールの物体中心とスケール場を予測し、局所的な空間構造として物体仮説を生成する。教師信号は信頼できるアノテーション領域に限定され、空間的に構造化されたソフトターゲットを用いることで、前景・背景の判別を回避する。さらに、変位対応スケール場を導入し、物体の広がりを物体性場の空間的に変化する特性としてモデル化する。

従来の class-agnostic 検出器は、閉集合の教師信号に依存し、未ラベル領域を背景として扱うため、物体性がアノテーションされたカテゴリに結びつき、未知カテゴリやオープンワールド検出で性能が低下する。B-FOR は、背景教師信号を一切使わず、物体中心とスケール場の予測に基づく dense なフレームワークを提案することで、物体性バイアスを排除し、未見カテゴリやクロスデータセットの物体分布への一般化を向上させる。また、変位対応スケール場により、局所的な最大値からのデコーディングを可能にし、従来の class-agnostic ベースラインと比較して +10 AR ポイント以上のリコール改善を達成している。

B-FOR は、物体検出を密なマルチスケールの物体中心場とスケール場の予測として定式化する。物体中心場は物体の中心位置の確率を表し、スケール場は物体の広がりを表す。教師信号は、アノテーションされた物体領域に基づいて、空間的に構造化されたソフトターゲットを生成し、未ラベル領域には背景ラベルを割り当てない。これにより、前景・背景の判別を回避し、物体性バイアスを防ぐ。物体仮説は、物体中心場の局所的な最大値から生成され、対応するスケール場を用いて物体の境界を推定する。変位対応スケール場は、物体中心からの変位に応じてスケールをモデル化し、物体の形状をより正確に捉える。

PASCAL VOC、MS-COCO、Open Images のデータセットで実験を行い、未見カテゴリへの一般化とクロスデータセットの物体分布への適応を評価した。その結果、B-FOR は従来の class-agnostic ベースラインと比較して、リコールを +10 AR ポイント以上改善した。アブレーション研究により、局所的な物体性教師信号と変位対応スケール場の両方が、不完全なアノテーション下での class-agnostic な位置特定に重要であることを示した。

要旨からは、B-FOR の限界や潜在的な問題についての議論は不明である。ただし、提案手法は dense な予測に基づくため、計算コストが高くなる可能性や、物体中心場の局所最大値の選択に依存するため、物体が密集しているシーンでの性能が課題となる可能性が考えられるが、要旨には明記されていない。また、背景教師信号を完全に排除するため、背景領域の誤検出が増える可能性も考えられるが、これも要旨からは不明である。

要旨で参照されている先行研究や関連手法は明示されていないが、class-agnostic detection の分野では、'Learning to Localize Objects with Limited Supervision' や 'Open-World Detection' に関する論文が関連する。具体的には、'Open World Object Detection' (OWOD) や 'Class-Agnostic Object Detection' の既存研究が挙げられる。また、dense prediction ベースの検出では、'CenterNet' や 'FCOS' などのアンカーフリー検出器が関連する。