합성 후 비교: 의미 분할을 위한 오류 및 이상 탐지

컴퓨터 비전 응용 분야, 특히 자율주행 및 의료 영상 분석과 같은 안전이 핵심적인 의미 분할(semantic segmentation) 응용 분야에서는 고장 및 이상 탐지 능력이 신뢰성 있는 시스템 구축을 위한 핵심 요구 사항이다. 본 논문에서는 의미 분할에 대한 고장 및 이상 탐지 문제를 체계적으로 탐구하고, 이러한 관련된 두 가지 문제를 동시에 해결할 수 있는 통합 프레임워크를 제안한다. 제안하는 프레임워크는 두 가지 모듈로 구성된다. 첫 번째 모듈은 세그멘테이션 레이아웃 맵으로부터 합성 이미지를 생성하는 이미지 합성 모듈이며, 두 번째 모듈은 합성 이미지와 입력 이미지 간의 차이를 계산하는 비교 모듈이다. 제안한 프레임워크는 세 가지 도전적인 데이터셋에서 검증되었으며, 기존 최고 성능 기준에 비해 크게 개선되었으며, 구체적으로 Cityscapes에서 AUPR-Error 기준 6% 향상, MSD에서 췌장 종양 세그멘테이션의 피어슨 상관관계(Pearson correlation) 7% 향상, StreetHazards 이상 세그멘테이션에서 AUPR 기준 20% 향상하는 성과를 달성하였다.