다중모달 의미 분할(multimodal semantic segmentation) 기술은 급속도로 발전하고 있으나, RGB-편광(RGB-Polarization) 모달의 경우 여전히 탐색이 부족한 상태이다. 이 문제를 심층적으로 탐구하기 위해, 우리는 12개의 전형적인 수중 의미 클래스를 포함하는 UPLight RGB-P 분할 벤치마크를 구축하였다. 본 연구에서는 공유형 이중 브랜치 아키텍처(shared dual-branch architecture)를 채택한 RGB-P 의미 분할 프레임워크인 ShareCMP를 설계하였다. 이는 기존 이중 브랜치 모델 대비 파라미터 수를 약 26~33% 감소시켰다. 또한, 인코더에 더 � бог rich한 편광 특성을 가진 편광 모달 이미지를 생성하기 위해 편광 생성 주의 메커니즘(Polarization Generate Attention, PGA) 모듈을 도입하였다. 더불어, 클래스 편광 인지 손실(Class Polarization-Aware Loss, CPALoss)을 제안하여 인코더가 편광 모달 정보를 더 잘 학습하고 이해할 수 있도록 하며, PGA 모듈의 성능을 최적화하였다. 총 3개의 RGB-P 벤치마크에서 실시한 광범위한 실험을 통해, ShareCMP는 UPLight (92.45%(+0.32)%), ZJU (92.7%(+0.1)%), MCubeS (50.99%(+1.51)%) 데이터셋에서 기존 최고 성능 모델 대비 더 적은 파라미터 수로도 최첨단(mIoU 기준) 성능을 달성하였다. 코드는 https://github.com/LEFTeyex/ShareCMP 에 공개되어 있다.