資源の壁を打ち破る：幾何学ガイダンス付きシーケンスモデリングによる効率的な意味セグメンテーション

概要: 高性能なセマンティックセグメンテーションは、近年目覚ましい進展を遂げており、多くの場合、より大規模なバックボーンや高い計算予算によって推進されています。有効ではあるものの、これらの手法は大きな計算オーバーヘッドを導入し、制約のあるハードウェア環境では利用しにくくなります。本論文では、モデル容量を増やすのではなく構造設計によってモデリング能力を向上させる、効率的なアーキテクチャであるDGM-Net（Directional Geometric Mamba Network）を提案します。本手法では、ASPPやPPMといった従来のコンテキストモデリングモジュールの代替として、線形計算量の O(N) 演算子であるDirectional Geometric Mamba（G-Mamba）を導入します。さらに、SSM（State Space Model）ベースのモデリングにおける構造的な認識を強化するために、DGM-Moduleを設計します。このモジュールは、求心性のフローフィールドと位相的スケルトンを抽出し、スキャン処理を導くことで境界の保持を改善します。大規模な事前学習や重いバックボーンのスケーリングに依存することなく、DGM-Netは28kイテレーションで80.8%のmIoUを達成し、Cityscapesのテストセットで82.3%のmIoU、ADE20Kで45.24%のmIoUを達成します。加えて、（8GB VRAMに対してバッチサイズ2など）制約のあるハードウェア環境下でも安定した性能を維持しており、その効率性と実用性が示されています。これらの結果は、SSMベースのアーキテクチャに幾何学的ガイダンスを組み込むことが、セマンティックセグメンテーションに対して有効かつリソース効率の高い方向性を提供することを示しています。