분산 특징을 통한 도메인 간 격차 해소를 위한 세그멘테이션

사전 훈련된 확산 모델은 사용자 정의 프롬프트를 통해 다양한 시나리오에서 이미지를 합성하는 데 뛰어난 능력을 보여주며, 보편적인 특징을 효과적으로 학습할 수 있음을 시사한다. 이러한 성과에 착안하여, 본 연구는 확산 모델 내에 내재된 은닉 지식을 활용하여 다중 도메인 의미 분할 문제를 해결하는 방안을 탐구한다. 본 논문에서는 확산 모델의 특징을 효율적으로 활용하기 위해 샘플링 및 특징 융합 기법을 활용하는 접근법을 제안한다. 우리는 확산 과정을 통해 효과적인 의미 표현을 추출하고 통합하기 위해 확산 특징 융합(DIFF)을 백본으로 제안한다. 텍스트-이미지 생성 능력의 강점을 활용하여, 이를 통해 사후 지식을 은유적으로 학습할 수 있도록 새로운 훈련 프레임워크를 도입한다. 도메인 일반화 의미 분할 환경에서의 철저한 평가를 통해, 제안한 방법론이 서로 다른 도메인 간의 차이를 효과적으로 완화하며 기존 방법들을 능가하고, 최첨단(SOTA) 성능을 달성함을 입증하였다.