WSSS의 대안이 될 수 있을까? 약한 지도(semantic) 세그멘테이션 문제에서 Segment Anything Model(SAM)에 대한 실증적 연구

세그먼트 애니웨어 모델(Segment Anything Model, SAM)은 뛰어난 성능과 유연성을 보여주며 다양한 관련 작업에 유망한 도구로 부상하고 있다. 본 보고서에서는 SAM을 약한 지도(semi-supervised) 세분화(Weakly-Supervised Semantic Segmentation, WSSS)에 적용하는 방안을 탐구한다. 특히 이미지 수준의 클래스 레이블만 제공된 상황에서 SAM을 의사 레이블(pseudo-label) 생성 파이프라인으로 활용하는 방식을 제안한다. 대부분의 경우 놀라운 성능을 관측한 반면, 일부 한계점 또한 확인하였다. 본 연구는 PASCAL VOC 및 MS-COCO 데이터셋에서의 성능 평가를 포함하며, 두 데이터셋 모두에서 최신 최고 수준의 기법들을 상회하는 뚜렷한 성능 향상을 달성하였다. 본 보고서가 SAM을 WSSS에 활용하는 방향으로의 추가 탐구를 촉진하고, 더 넓은 실세계 응용으로 이어지기를 기대한다.