확인한 것만 기록한다.
2026-11-23 · 00:13 KST / 15:13 UTC한국어 | EN검색 /

속보01 / AI

추가 학습 없이 닮은 물체 가려내는 이미지 분할

물체 후보를 먼저 찾고 참조 이미지와 대조해 원하는 대상의 영역을 나누는 방식이다.

컴퓨터 화면에서 얼룩무늬 도자기 머그잔의 참조 사진과 여러 비슷한 잔을 나란히 보여주고, 참조와 일치하는 잔의 영역만 반투명 주황색으로 표시한 장면. AI 생성 이미지

연구진은 비교 비용을 100배 넘게 낮춘 분할 기법을 추가 학습 없는 조건으로 발표했다. 11월 13일 공개한 논문에서 참조 이미지와 같은 물체를 찾는 방식을 제시했다.

논문에 적힌 개인화 이미지 분할은 사용자가 제시한 특정 물체의 영역을 가려내는 기술이다. 먼저 물체의 종류를 가리지 않는 탐지기로 후보를 찾는 구조이다. 이후 기존 모델의 시각적 특징으로 후보와 참조 이미지를 대조하는 방식이다.

논문이 제시한 top-K Sinkhorn은 이미지 조각 중 확실히 대응하는 부분만 비교하는 방식이다. 비용 비교 기준은 일부 영역끼리의 대응을 최적화하는 부분 최적 수송이다.

연구진은 기존 기법의 문제가 영역의 정밀도보다 올바른 후보를 놓치는 데 있다고 밝혔다. 새 방식은 선택한 후보의 영역을 분할 모델 SAM으로 다듬도록 설계했다고 설명했다.

논문에 적힌 비교 대상은 PerSAM·P²SAM·PDM이다. 연구진은 새 평가셋과 PerSeg·PerMIS·DAVIS에서 이들 기법을 비교했다고 밝혔다.

논문 초록에서 새 평가셋의 규모와 구체적인 구성은 미공개이다.