GASeg：トポロジーを用いたロバストな自己教師ありセグメンテーション

この論文は、自己教師ありセマンティックセグメンテーション手法の限界、特に外観の曖昧さに対する脆弱性に対処しています。トポロジー情報を活用して外観と幾何学のギャップを埋める新しいフレームワーク、GASegを提案しています。中核的な革新は、マルチスケールのトポロジー統計を抽出するDifferentiable Box-Counting（DBC）モジュールです。また、ロバスト性を向上させるためのTopological Augmentation（TopoAug）と、クロスモーダルアライメントのためのマルチオブジェクトロス（GALoss）も導入しています。安定した構造表現に焦点を当て、トポロジー的特徴を使用することは、この分野への重要な貢献です。

• •自己教師ありセマンティックセグメンテーションのための新しいフレームワーク、GASegを提案。
• •外観の曖昧さを克服するためにトポロジー情報を活用。
• •マルチスケールのトポロジー統計のためのDifferentiable Box-Counting（DBC）を導入。
• •ロバスト性のためのTopological Augmentation（TopoAug）を採用。
• •クロスモーダルアライメントのためのマルチオブジェクトロス（GALoss）を使用。
• •複数のベンチマークで最先端のパフォーマンスを達成。