重み付きマルチスケールおよびウェーブレット強化セグメント・エニシング・モデルによる顕著なオブジェクト検出

顕著なオブジェクト検出(SOD)は、画像内で視覚的に最も目立つオブジェクトを正確なセグメンテーションで分離することを目指す。既存の手法、特にSegment Anything Model(SAM)を適応させたものは、不完全なオブジェクトマスク、ぼやけた境界、細かいディテールの欠如を生じさせることが多い。この問題は、異なるスケールのオブジェクトや複雑なテクスチャを持つシーンで特に深刻である。本研究では、これらの問題に対処するため、重み付きマルチスケールおよびウェーブレット強化SAMであるWMW-SAMを提案する。WMW-SAMは、重み付きマルチスケールアダプター(WMSA)を用いて、複数の受容野にわたる学習可能な重み付けにより異なるスケールの特徴を調整する。次に、マルチレベル特徴クロスフュージョンモジュール(MFCM)が、カスケードされたトップダウンクロスアテンションを用いて、高レベルセマンティクスと低レベルディテールを接続する深い相互作用を促進する。最後に、離散ウェーブレット変換(DWT)を活用して高周波サブバンドを明示的に抽出し強化するディテールエンハンスメントモジュール(DEM)を開発する。この操作により、空間ドメイン操作では見過ごされがちなシャープな境界と複雑なテクスチャが効果的に回復される。複数のベンチマークデータセットでの広範な実験により、提案されたWMW-SAMの優れたパフォーマンスが実証され、正確で詳細な顕著性予測が達成された。