DualMem: 개방형 세계 객체 탐지(Open-World Object Detection)에서 보정된 미지 객체 스트림 필터링을 위한 객체성

요약

개방형 세계 객체 탐지(OWOD)에서 미지 객체 예측 스트림이 배경 오탐으로 인해 심하게 오염되는 문제를 분석하고, 이를 해결하기 위한 DualMem을 제안합니다. DualMem은 SigLIP 특징 공간에서 비모수적 우도비 검정과 메모리 메커니즘을 사용하여 배경 오탐을 획기적으로 줄입니다.

핵심 포인트

• OWOD 모델의 미지 객체 예측 중 배경 오탐 비중이 46-71%에 달함
• 객체성 헤드의 정보 병목 현상이 미지 객체 식별 성능 저하의 원인
• DualMem은 SigLIP 특징과 메모리 기반 필터링으로 오탐을 평균 56.6% 감소
• Neyman-Pearson 보정을 통해 오탐 억제와 재현율 간의 트레이드오프 제공