ConsistencyDet: 일관성 모델의 비소음화 패러다임을 가진 강력한 객체 탐지기

객체 탐지는 지각 컴퓨팅 영역에서 본질적인 작업으로, 생성적인 방법론을 통해 해결할 수 있습니다. 본 연구에서는 객체 탐지를 비소음화 확산 과정으로 설명하기 위해 고안된 새로운 프레임워크인 ConsistencyDet를 소개합니다. 이 프레임워크는 일관성 모델로 알려진 혁신적인 비소음화 개념을 활용합니다. 이 모델의 특징은 자기 일관성 기능으로, 모델이 왜곡된 정보를 어떤 시간 단계에서든 본래 상태로 다시 매핑할 수 있도록 하여 "일단계 비소음화" 메커니즘을 실현합니다. 이러한 속성은 모델의 운영 효율성을 현저하게 향상시켜 고전적인 확산 모델과 차별화됩니다. 훈련 단계 동안 ConsistencyDet는 실제 주석에서 파생된 노이즈가 포함된 박스로 확산 시퀀스를 시작하고 모델이 비소음화 작업을 수행하도록 조건을 부여합니다. 이후 추론 단계에서 모델은 정규 분포에서 무작위로 샘플링된 경계 상자로 시작하는 비소음화 샘플링 전략을 사용합니다. 반복적인 정제를 통해 모델은 무작위로 생성된 다양한 상자를 결정적인 탐지로 변환합니다. MS-COCO 및 LVIS와 같은 표준 벤치마크를 사용하는 포괄적인 평가 결과, ConsistencyDet는 성능 지표에서 다른 최첨단 탐지기를 능가함을 입증합니다. 우리의 코드는 https://github.com/Tankowa/ConsistencyDet 에서 사용할 수 있습니다.