거울 탐지 문제는 거울이 다양한 비전 작업의 성능에 영향을 미칠 수 있기 때문에 중요한 문제이다. 이는 전역적 장면 의미를 이해해야 하는 어려운 과제이다. 최근에는 거울 내부와 외부 사이의 다수준 문맥적 대비를 학습함으로써 거울 경계를 간접적으로 탐지하는 방법이 제안되었다. 본 연구에서는 거울 내부의 내용이 거울 경계를 사이에 두고 주변 내용을 반영하고 있음을 관찰하였다. 따라서 본 논문에서는 거울 내부와 외부의 콘텐츠 유사성을 점진적으로 학습하면서 거울 경계를 명시적으로 탐지하는 모델을 제안한다. 본 연구의 주요 기여는 두 가지이다. 첫째, 거울 특징과 그에 대응하는 문맥 특징을 추출하고 비교하기 위한 새로운 관계 기반 문맥 대비 지역 모듈(Relational Contextual Contrasted Local, RCCL)을 제안하며, 복잡한 장면에서 거울 경계 특징을 명시적 감독을 통해 학습하기 위한 경계 탐지 및 융합(Edge Detection and Fusion, EDF) 모듈을 제안한다. 둘째, 6,461개의 거울 이미지를 포함하는 도전적인 벤치마크 데이터셋을 구축하였다. 기존의 MSD 데이터셋은 다양성이 제한되어 있는 반면, 본 데이터셋은 다양한 장면을 포괄하고 규모 면에서도 훨씬 크다. 실험 결과, 제안하는 모델이 기존 최상위 기법들을 모두 능가함을 확인하였다.