問題 No.2722
画像認識タスクの一つであり、物体ごとの領域を識別するインスタンスセグメンテーションと、背景を含むすべての画素にカテゴリを割り当てるセマンティックセグメンテーションを統合した手法の名称として、最も適切なものはどれか。
【正解の解説】
パノプティックセグメンテーション
街の写真を想像してください。パノプティックセグメンテーションは、通行人Aや車Bといった「個別の人間や車」を識別する力（インスタンス）と、背後にある「空」や「道路」といった「形のない背景」を隙間なく塗り分ける力（セマンティック）を完全に融合させたものです。例えるなら、写真全体の隅々まで誰一人漏らさず、地面の一粒に至るまで名前と役割を完璧にラベル貼りする、超優秀な専属カメラマンのような技術です。
スポンサーリンク
【その他の選択肢の解説】
インスタンスセグメンテーション
これは「インスタンス（実体）」という言葉の通り、群衆の中にいる複数の人を「人A」「人B」と区別して認識できますが、空や道路といった背景のピクセル分類は行わない点が正解との決定的な違いです。試験では背景も含むパノプティックセグメンテーションと混同させやすいため、個別の物体だけに注目する点が大きな罠となります。
セマンティックセグメンテーション
この手法はピクセル単位で種類を当てますが、例えば目の前に2台の車が重なって走っていても、どちらも単に「車」という一塊の背景と同じように塗りつぶしてしまいます。個々の物体を区別する機能を持たないため、個体識別を行うインスタンスセグメンテーションの要素を統合したパノプティックセグメンテーションとは明確に区別して覚える必要があります。
マルチモーダルセグメンテーション
これは「マルチ（複数の）」「モーダル（情報形態）」という名前の通り、画像だけでなく音声や文章なども一緒に扱う技術の総称です。画像セグメンテーションの文脈とは全く異なる概念であるため、画像内のピクセル分割を問われている本問においては、受験生を惑わせるために作られた典型的なダミーの用語として配置されています。