비주얼 그라운딩의 독립체 크기 기반 편향 해결 (Tackling Entity Size-Based Bias in Visual Grounding)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 29권 / 11호 / 538 ~ 543페이지
· 저자명 : 김정현, 강기천, 설한울, 장병탁

초록

비주얼 그라운딩은 여러 독립체가 있는 이미지와 독립체를 나타내는 지칭 표현이 주어졌을 때 해당 독립체를 찾는 태스크다. 이를 활용하는 이동형 로봇, 스마트 차량, 혹은 드론에 입력되는 시각 정보의 화질은 다양하며, 작은 독립체를 잘 탐지할 수 있어야 한다. 하지만 기존의 비주얼 그라운딩 모델들이 학습한 데이터는 독립체의 크기에 대한 편향을 갖고 있기 때문에 작은 독립체를 잘 탐지하지 못하는 문제를 보여 실세계에서의 적용성이 떨어지게 된다. 본 논문에서는 비주얼 그라운딩 데이터셋의 물체 크기에 대한 편향을 정량적으로 확인하였으며, 기존 모델이 작은 독립체를 잘 탐지하지 못하는 것을 보인다. 또한, 이를 해결하기 위하여 학습되는 독립체의 크기를 다양하게 하여 데이터셋 편향이 줄어들도록 데이터를 변형하는 방법을 제안한다. 제안하는 방법을 적용한 두 비주얼 그라운딩 모델에서 모두 작은 물체를 탐지하는데 성능이 향상됨을 보였다.

영어초록

Visual grounding is a task to find an entity when given an image containing several entities and a referring expression that represents an entity. Mobile robots, smart vehicles, or drones leveraging this task perceive an image of varying resolution, and often need to detect small entities.
However, since the data learned by the existing visual grounding models have a bias of the entity size, models show a problem in detecting small entities, resulting in poor applicability in the real world. In this paper, we quantitatively confirmed the bias in the existing visual grounding data set, and the degradation of the visual grounding task performance of the existing model when detecting small entities. Herein, we propose a method of transforming data to reduce the bias of the data set by varying the size of the entity to be learned. Visual Grounding models applied with the proposed method showed significant improvement in detecting small objects.

참고자료

· 없음