본문 바로가기

분류 전체보기

 (61)
[CVPR 2022] Cross-Image Relational Knowledge Distillation for Semantic Segmentation 1. Introduction Computer Vision 분야에서 Semantic Segmentation task는 매우 활발하게 연구가 진행되고 있습니다. 요즘 대표적으로 높은 성능을 달성하는 모델로는 DeepLab, PSPNet, HRNet 과 같은 CNN기반의 모델 뿐 아니라, transformer 구조를 기반으로 한 모델도 많이 존재하죠. 하지만 이렇게 높은 성능을 달성하는 모델들은 computational cost가 매우 비싸다는 치명적 단점이 존재합니다. 그렇기 때문에 real-world나 mobile device에 해당 모델들을 사용하는데에는 한계가 존재하죠. 그래서 최근 연구들은 Knowledge Distillation (이하 KD) 방식을 사용하게 됩니다. (사실 '최근' 이라고 표현하기..
[arXiv 2021] Robust Mutual Learning for Semi-supervised Semantic Segmentation 오늘 작성 할 논문은 Robust Mutual Learning for Semi-supervised Semantic Segmentation 라는 논문입니다. 2021년에 arXiv에 나온 이후로 다른 학회나 저널에 투고된 기록이 없는것으로 보아 제출을 하지 않은걸까요? 흠이 존재하는 논문일까요?? 흠,, 이에 대해서 잘은 모르겠네요. 뭐 아무튼 리뷰 시작하도록 하겠습니다. 본 논문은 Semi-Supervised 상황에서의 Semantic Segmentation을 수행합니다. 다들 아시겠지만, Semi-Supervised란 Labeled data와 Unlabeled data를 함께 사용해서 모델을 학습시키는 방식이죠. (보통 한정된 규모의 Labeled data와 대규모의 Unlabeled data를 함께 ..
[CVPR 2021 Workshop] Self-training Guided Adversarial Domain Adaptation For Thermal Imagery Thermal 이미지에서 Semantic Segmentation을 수행할 때 RGB로 부터 유의미한 정보를 받아오는 과정에서 둘 사이의 domain gap을 줄이기 위한 DA 분야의 논문들을 계속해서 읽어 가는 도중 제목이 왠지 모르게 이끌리는 논문을 발견하여 되어 읽어보게 되었습니다. Computer Vision 하위 여러 분야의 많은 방법론들은 RGB image를 기반으로 한 연구를 수행하고 있습니다. 그리고 이러한 연구들은 풍부한 양의 RGB data를 발판 삼아 훌륭한 발전을 이루었죠. 하지만 여러분들도 다들 아시다시피 RGB sensor는 야간 상황의 illumination 변화에 취약하다는 치명적인 단점을 지니고 있습니다. 이 때문에 이런 illumination 변화에 강인한 Thermal s..
[ICCV 2021 Workshop] CDAda : A Curriculum Domain Adaptation for Nighttime Semantic Segmentation 오늘 리뷰할 논문은 RGB Night 상황에서 Semantic Segmentation을 수행할 때 효과적인 Domain Adaptation 을 통해서 성공적인 성능 향상을 이뤄낸 논문입니다. 간단히 Domain Adaptation을 적용시킨 Segmentation 논문인 줄 알았건만,,,, Self-Training, 푸리에 변환, Curriculum Learning,,, 등 추가적으로 굵직한 방법론들이 여럿 적용이 되어서 꽤나 헤비한(?) 논문이였습니다. Introduction 현재 RGB 이미지를 사용해서 Nighttime Semantic Segmentation을 수행하는 많은 방법론들이 존재합니다. 본 논문에서 최종적으로 수행하고자 하는 task 또한 제목에서 볼 수 있듯이 Nighttime Sema..
Self-Supervised Learning 란 무엇인가 해당 리뷰는 Self-Supervised Learning 에 대해 제가 공부 한 내용들을 정리 한 글입니다. Self-Supervised Learning 논문을 읽는 것은 처음이기에 흐름과 틀을 파악하는데 집중하였고, 이에 대해 제가 공부한 내용들을 전반적으로 설명드리겠습니다. Self-Supervised Learning 시작하기 전 Self-Supervised Learning 논문을 처음 읽는 것이라 해당 방법론에 대한 전반적인 이해가 필요하였습니다. 모델을 학습하기 위해서는 데이터가 필요합니다. 그리고 보통은 Label을 가진 데이터를 사용해서 Supervised 방식으로 학습 시키는 것이 일반적입니다. 하지만 실제 데이터에 label을 부여하는 annotation 과정은 시간,비용 적으로 매우 ex..
[ICCV 2019] CCNet : Criss-Cross Attention for Semantic Segmentation 안녕하세요. 오늘 리뷰 할 논문은 CCNet 이라고 하는 segmentation model로써, Semantic Segmentation을 수행하는 논문인데, Attention 기법을 활용한 모델을 제안합니다. 현재 Semantic Segmentation 관련 실험을 진행중인데, 기존 baseline에서 encoder-decoder model 부분을 바꾸고 싶다는 생각이 들기도 하고, attention 기법에 대해 좀 더 알고싶은 갈망이 있기 때문에 본 논문을 가볍게 읽어보게 되었습니다. 그럼 리뷰 시작하겠습니다. 1. Introduction Semantic Segmantaion task 의 경우 image의 전체적인 contextual 정보와, 이미지 내 모든 픽셀 사이의 dependency 관계 또한 ..
[CVPR 2021] Semi-Supervised Semantic Segmentation with Cross Pseudo Supervision 현재 진행중인 프로젝트에서 Semantic Segmentation task를 진행하고 있습니다. 성능을 개선시켜야 하는데 dataset의 규모가 매우 작아서 한계가 있다고 판단하여 semi-supervised 논문을 찾아서 읽어보았습니다. 그럼 리뷰 시작하겠습니다. 1. Introduction 본 논문은 labeled data말고도 추가적인 unlabeled data를 함께 활용하는 semi-supervised semantic segmentation 방법론을 다루고 있는 논문입니다. semantic segmentation은 이미지가 주어졌을 때 pixel별로 어떤 class에 속하는지를 분류하는 문제입니다. 해당 task에서 training data를 구성하기 위해서는 아래와 같이 pixel-level로..
[TPAMI 2020] Deep High-Resolution Representation Learning for Visual Recognition 오늘 제가 리뷰한 논문은 HRNet이라고 잘 알려진 backbone 논문입니다. 저번dp 리뷰한 segmentation을 수행하는 MS-UDA 논문에서 pseudo label을 생성하는 모델로 바로 이 HRNet을 사용 했었습니다. 그래서 전 단순히 segmentation을 진행하는 network 겠거니~ 하고 논문을 읽었는데 웬걸 생각보다 대단한 backbone 논문이더라구요. 심지어 TPAMI...!!!! 우리가 흔히 아는 Encoder-Decoder와는 구조 자체가 달라서 새로웠던 논문입니다. 그럼 리뷰 시작하겠습니다. 1. Introduction 우리가 흔히 접할 수 있는 Segmentation, Generation, Translation 등 computer vision 분야에서는 위치(posit..

티스토리툴바