Semi-supervised semantic segmentation needs strong, varied perturbations

구현의 상세한 부분까지 알려주지는 않았던 논문

 

이전 연구에서 cluster assumption이 성공에 중요함을 알아냈다.

BUT 데이터의 분포는 클래스를 분리하는 저밀도 영역을 나타내지 않는다.

따라서, 저밀도 영역없이 reliable한 성능을 얻기 위해 CutMix 증강으로 표준 dataset에서 좋은 semi-supervised semantic segmentation 결과를 얻는다.

: x̂이 x를 통과하는 distance 등고선에 있거나 매우 가깝게 위치하도록 x에 적용되는 섭동을 제한하면 학습된 decision boundary는 (d)처럼 true class boundary와 잘 정렬된다!

적절한 perturbation ⇒ CutMix ! 를 제안한다.

 

• 논문에서는 mean teacher framework에 CutMix를 적용해 구현