활용 사례 연구

CODE: Cross-Modal Calibration and Dynamic Suppression for Open World Object Detection

ARarXiv8월 27일 발표 · 1분 · 심사 전 논문

기존의 개방 세계 객체 탐지(OWOD) 모델이 가진 의미적 모호성과 경직된 이상치 처리 문제를 해결하기 위한 통합 추론 프레임워크입니다.

세 줄 요약arXiv 원문 기반

CODE는 교차 모드 신뢰도 보정, 불확실성 기반 객체 강화, 마진 인식 동적 이상치 억제 등 세 가지 기능을 결합하여 성능을 극대화했습니다.
이 기술은 단순히 알려진 클래스 탐지를 넘어, 모호하거나 학습 데이터에 없는 새로운 유형의 객체까지 놓치지 않고 식별하는 능력을 크게 향상시켰습니다.
제시된 성능은 OWL-ViT L/14 백본을 사용한 특정 실세계 벤치마크에서 입증되었으므로, 다양한 환경에서의 적용 가능성을 추가 검토해야 합니다.

기존의 개방 세계 객체 탐지(OWOD) 모델이 가진 의미적 모호성과 경직된 이상치 처리 문제를 해결하기 위한 통합 추론 프레임워크입니다.