深度インテグリティ・プライアときめ細かなパッチ戦略による高精度二値画像セグメンテーション

要旨: 高精度二値画像セグメンテーション（DIS）は、高解像度画像から微細な対象物を抽出するタスクである。既存手法は効率と精度をトレードオフする。非拡散手法は高速だが、弱い意味論と不安定な空間事前知識（空間プライヤ）により、誤検出が生じる。一方、拡散ベースの手法は強力な生成的プライヤにより高い精度を実現するが、計算コストが高い。深度マップでは、完全な対象物は低分散の領域として現れ、滑らかな内部と鋭い境界を持つのに対し、背景は、異なる奥行きで切断された面によって引き起こされる、混沌とした高分散パターンを示す。これを深度整合性プライヤ（depth integrity-prior）と呼ぶ。本研究はこれに着想を得たものであり、またDISでは現在深度マップが欠けていることに注目し、単眼深度推定モデルから擬似深度情報を活用して、本質的な意味理解を獲得する。これにより、対象物と背景の間の空間的差異を迅速に明らかにする。 このプライヤを活用するために、RGBと擬似深度の特徴を融合して、深度に配慮した構造認識を行うPrior-guided Depth Fusion Network（PDFNet）を提案する。さらに、セグメンテーションにおいて深度の整合性を強制する新しい深度整合性プライヤ損失と、境界をより鮮明にするための適応的パッチ選択を備えた微細化（fine-grained）強調モジュールを導入する。特筆すべき点として、DAM-v2を用いたPDFNetは、拡散ベース手法の半分未満のパラメータ数で、DIS-VDおよびDIS-TEにおいてそれぞれSOTA（Fmax 0.915および0.915）を達成する。コードは https://tennine2077.github.io/PDFNet.github.io/ で公開している。