COCO 2023은 Common Objects in Context(COCO) 챌린지의 2023년 판으로, 객체 탐지, 인스턴스 분할, 이미지 캡셔닝 분야의 최신 방법론을 평가하는 연례 대회이다. 학계와 산업계 연구자들로 구성된 컨소시엄이 주최하며, 80개 객체 범주에 걸쳐 20만 개 이상의 레이블링된 이미지를 포함하는 COCO 데이터셋을 사용한다. 2023년 판은 업데이트된 평가 프로토콜을 도입하고 전 세계 팀들의 참여를 장려하여, 머신러닝과 딥러닝의 지속적인 발전을 반영하였다.
COCO 챌린지는 2015년 시작 이후 컴퓨터 비전 분야의 벤치마크 역할을 해왔다. 2023년 판도 이러한 전통을 이어받아, 참가자들이 탐지, 분할, 키포인트 추정을 포함한 여러 트랙에서 경쟁하였다. 이 챌린지는 다양한 Intersection-over-Union(IoU) 임계값에서의 mean Average Precision(mAP)과 같은 엄격한 평가 지표와, 여러 객체가 포함된 복잡한 장면을 묘사하는 이미지를 통한 실제 세계 맥락의 강조로 잘 알려져 있다.
챌린지 트랙 및 과제
COCO 2023은 각각 특정 과제에 초점을 맞춘 여러 트랙을 제공하였다. 주요 트랙은 객체 탐지로, 모델이 이미지 내 객체를 위치화하고 분류해야 한다. 인스턴스 분할은 각 객체에 대한 픽셀 수준 마스크를 요구하며, 범주형 분할(panoptic segmentation)은 의미론적 분할과 인스턴스 분할을 통합하였다. 또한, 키포인트 탐지 트랙은 인간 자세 추정에 초점을 맞추었고, 캡셔닝 트랙은 이미지에 대한 자연어 설명 생성 능력을 평가하였다. 각 트랙은 자체 리더보드를 보유하며, 주요 컴퓨터 비전 학회와 연계된 워크숍에서 수상자가 발표되었다.
데이터셋 및 주석
2014년에 처음 공개된 COCO 데이터셋은 주기적으로 업데이트되었다. 2023년에는 주최 측이 고정된 훈련 및 검증 분할을 제공하고, 테스트 이미지는 평가용으로 비공개로 유지하였다. 주석에는 경계 상자, 분할 마스크, 캡션이 포함되었으며, 모두 인간 주석자에 의해 정리되었다. 일상적인 장면에서 수집된 이미지로 구성된 데이터셋의 다양성은 이를 도전적인 벤치마크로 만든다. 2023년 데이터셋은 33만 개 이상의 이미지와 250만 개 이상의 레이블링된 인스턴스를 포함하였다. 챌린지는 개발 목적의 "test-dev" 세트도 포함하였으며, 최종 결과는 비공개 테스트 세트에서 계산되었다.
평가 지표
COCO 2023의 평가는 표준 COCO 지표를 사용하였다: 0.5에서 0.95까지 0.05 간격의 IoU 임계값에 걸쳐 평균화된 Average Precision(AP)과, IoU=0.50 및 IoU=0.75에서의 AP. 분할의 경우 AP는 마스크 IoU를 기반으로 계산되었다. 키포인트 탐지의 경우 Object Keypoint Similarity(OKS)가 사용되었다. 캡셔닝은 CIDEr, BLEU, METEOR와 같은 지표로 평가되었다. 이러한 지표는 모델 성능에 대한 포괄적인 평가를 제공하여, 객체 규모와 범주 전반에 걸쳐 정밀도와 재현율의 균형을 맞추는 방법을 장려한다.
주요 참가자 및 결과
COCO 2023의 특정 우승 팀은 공개 소스에 문서화되지 않았지만, 이 챌린지는 일반적으로 Google DeepMind, OpenAI 및 다양한 대학을 포함한 주요 연구 기관과 기업들의 참여를 유치한다. 이전 연도에는 최고 성과자들이 종종 잔차 네트워크 아키텍처, 멀티 헤드 어텐션 메커니즘, 그리고 데이터 증강 및 모델 가지치기와 같은 고급 훈련 기법을 사용하였다. 2023년 판은 트랜스포머 기반 탐지기와 캡셔닝을 위한 생성형 AI의 혁신에 힘입어 정확도가 지속적으로 개선되었을 가능성이 높다. 그러나 공식 기록이 없으므로 특정 우승자는 확인되지 않았다.
영향 및 유산
COCO 챌린지는 객체 인식과 장면 이해의 진전을 주도하는 벤치마크를 설정하며 컴퓨터 비전 연구에 상당한 영향을 미쳤다. COCO 2023은 이전 판들과 마찬가지로 방법을 비교하고 협력을 촉진하며, 대규모 언어 모델의 비전-언어 과제 통합과 같은 새로운 추세를 부각시키는 공통 플랫폼을 제공하였다. 실제 세계 복잡성에 대한 강조는 자율 주행, 로봇 공학, 이미지 검색과 같은 분야에 적용 가능한 더 견고한 모델을 이끌어 냈다. 분야가 진화함에 따라 COCO는 계속 적응하며, 향후 판에서는 새로운 과제와 더 큰 데이터셋을 통합할 가능성이 높다.