CW-BASS는 제한된 라벨링 데이터와 많은 양의 비표시 데이터를 사용하는 반지도 학습 의미론적 분할(SSSS)을 위한 새로운 프레임워크입니다. 기존 방법들의 한계점인 초기 라벨 데이터 과의존으로 인한 최적화되지 않은 학습(coupling), 잘못된 예측의 반복적인 강화(confirmation bias), 경계 인식 부족과 모호한 경계 신호로 인한 경계 흐릿함(boundary blur)을 해결하기 위해, CW-BASS는 신뢰도 가중치를 의사 라벨에 할당하고, 약지도 학습 의미론적 분할(WSSS)에서 활용되던 경계 윤곽 기술을 활용합니다. 구체적으로, 신뢰도 가중 손실을 통해 의사 라벨의 영향을 조정하고, 동적 임계값 메커니즘으로 의사 라벨을 필터링하며, 경계 인식 모듈로 객체 경계 근처의 분할을 개선하고, 신뢰도 감소 전략으로 의사 라벨을 점진적으로 개선합니다. Pascal VOC 2012와 Cityscapes 데이터셋에서 SOTA 성능을 달성하였으며, 특히 Cityscapes 데이터셋의 1/30 (3.3%) 분할(100 이미지)에서 65.9% mIoU를 달성하여 제한된 라벨 설정에서의 효과를 보여줍니다.
