本論文では、セマンティックセグメンテーションのための新しいアルゴリズムであるRankSEG-RMAを提案しています。セマンティックセグメンテーションは、画像内の各ピクセルに対応するクラスを割り当てる手法です。既存の手法は pixel-wise クラス確率を推定し、最終予測のために argmax や閾値処理を行いますが、これらはセグメンテーションメトリックを直接最大化しないため、一貫性のない結果や最適でない結果をもたらすことがありました。RankSEGフレームワークは、DiceとIoUメトリックを最適化するために設計されていますが、二つの主な欠点があります。一つは計算コストで、もう一つはオーバーラップセグメンテーションの設定にのみ適用可能な点です。本論文では、逆モーメント近似を使用してこれらの欠点を克服し、計算複雑度をO(d)に減少させつつ性能を維持するRankSEG-RMAを提案しました。さらに、非オーバーラップセグメンテーションのための効率的なピクセルスコア関数も開発しました。